Small Sample Performance of Some Estimators of the Truncated Binomial Distribution
零截断二项分布若干估计量的小样本表现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：摘要涉及人类遗传学中的截断二项参数估计，没有给定经济领域细分的直接依据。
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
零截断二项分布若干估计量的小样本表现
- 研究问题
- 在零计数类别被截去且二项试验次数已知时，Mantel、最大似然与 Weinberg 简单同胞法对成功概率的偏差和效率如何比较？
- 方法与思路
- 作者针对独立的零截断二项观测给出精确抽样结果，比较三种估计量的渐近与小样本性质，并考察迭代最大似然的初值表现。
- 材料陈述的贡献
- 摘要称，Mantel 估计的偏差较小，在所列遗传学参数情形中相对效率接近最大似然估计，且作为评分迭代初值优于简单同胞法。
- 阅读关注点
- 应核对三个估计量的定义、偏差比较所覆盖的参数范围，以及相对效率的计算准则和评分迭代初值比较的具体设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；效率数值对应特定参数情形，不能外推为全参数范围或所有损失下的优势。
原文摘要
Estimation of the parameter of a binomial distribution with the zero class truncated is a classical problem in human genetics. Mathematically the problem is the estimation of p from n, independent observations with distribution, (r s)prqs-r/(1 - qs) where r = 1, 2, ··· s, q = 1 - p and s ≥ 2 is a known integer. This article gives exact results which show the simple estimator of Mantel [17] to be less biased, both asymptotically and in small samples, than either the ML estimator or Weinberg's simple sib method. Its efficiency relative to the ML estimator is better in small than in large samples, ranging from 97 percent to 101 percent for the genetically important cases of p = .25 and .50. Mantel's estimator performs better than the simple sib method as an initial estimator in iterative ML scoring.