On estimating a symmetric distribution
对称分布的估计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：摘要是利用对称性估计分布函数的通用理论，未涉及分位数或经济变量的分布效应，分类证据不足。
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
对称分布的估计
- 研究问题
- 当总体分布关于未知位置中心对称时，能否利用估计的对称中心改造经验分布函数，并改善分布函数估计？
- 方法与思路
- 作者围绕估计的对称中心对样本累积分布函数进行对称化，研究中心估计的渐近效率与分布估计表现的关系。
- 材料陈述的贡献
- 摘要称证明了先前猜想：若中心估计渐近有效，对称化分布估计在文中所用意义下统一优于经验分布函数。
- 阅读关注点
- 应核对对称位置模型的条件、中心估计效率的定义，以及统一优于对应的评价准则、渐近范围和证明。
- 阅读边界
- 来源为稿件版本未注明的 OpenAlex 索引摘要；优越性的具体度量未说明，不能解读为所有损失下的有限样本优势。
原文摘要
One estimate of a symmetric location cumulative distribution function F{x - θ) is obtained by symmetrizing the sample cumulative distribution function with respect to the estimated centre of symmetry θ. We prove an earlier conjecture that if θ is asymptotically efficient, then the symmetrized estimated cumulative distribution function is uniformly superior to the sample distribution function.