An estimator of location for dependent data
相关数据的位置参数估计量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：摘要明确研究强混合相关数据及严格平稳的一阶高斯自回归过程，因此与时间序列方法直接相关。
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
相关数据的位置参数估计量
- 研究问题
- 一个针对逻辑斯蒂分布位置参数的估计量，在相关数据下具有怎样的极限分布与渐近方差，其比较表现如何？
- 方法与思路
- 作者在强混合相关数据下研究渐近正态性，推导一般渐近方差，并在严格平稳的一阶高斯自回归过程中计算方差。
- 材料陈述的贡献
- 摘要称，得到该估计量的渐近正态性和方差结果，并将其相关数据表现与样本均值及 Hodges–Lehmann 估计量比较。
- 阅读关注点
- 应核对强混合及其他正则条件、估计量的具体定义，并区分逻辑斯蒂分布下的最优性与高斯自回归中的比较。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；混合速率、方差公式及比较结果未说明，不能声称其在相关数据下普遍最优。
原文摘要
Asymptotic properties of an estimator of location, Jn, which is an asymptotically best linear unbiased estimator for the location parameter of the logistic distribution, are studied for dependent data. It is shown that Jn is asymptotically normally distributed for strongly-mixing dependent data. The asymptotic variance of Jn is obtained in general and computed for strictly stationary first-order Gaussian autoregressive processes. The performance of Jn for dependent data is compared with that of the sample mean and the Hodges-Lehmann estimator, which is also asymptotically best unbiased for the logistic distribution.