Estimation of Parameters of a Multivariate Normal Population from Truncated and Censored Samples
截断与删失样本下多元正态总体参数的估计AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究一般截断与删失样本的参数估计，未提供归入所列计量细分领域的直接依据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
截断与删失样本下多元正态总体参数的估计
- 研究问题
- 当多元正态总体的变量互不相关，且部分变量受到双侧截断或删失时，如何从观测样本估计各变量的均值与方差？
- 方法与思路
- 作者推导最大似然方程，借助正态概率表迭代求解，并给出信息矩阵，用于计算估计量的渐近方差与协方差。
- 材料陈述的贡献
- 摘要称论文提供截断与删失情形的似然估计方程及信息矩阵，并通过一个数值例子说明这些结果的实际使用。
- 阅读关注点
- 应核对截断与删失的具体观测机制、似然构造和参数可识别性，以及迭代求解与渐近方差计算所需的条件。
- 阅读边界
- 仅据所给 Crossref 摘要解读；摘要未说明迭代收敛条件及有限样本表现，不能将结果推广到变量相关的情形。
原文摘要
SUMMARY This paper is concerned with the problem of estimation of means and variances of a k-variate normal distribution from a sample doubly truncated or censored on s-variates (s ≤ k), when variates are uncorrelated. Maximum likelihood equations are derived which, with the help of normal probability tables, can readily be solved by iteration. The information matrix is given from which the asymptotic variances and covariances of the estimates can be determined. to illustrate the practical application of these results a numerical example is added.