On Estimating the Endpoint of a Distribution
分布端点的估计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：摘要研究一般分布端点与极端次序统计量，未涉及金融尾部风险或经济分布效应，不能仅因使用极端观测而指定这些细分。
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
分布端点的估计
- 研究问题
- 仅掌握分布在端点附近的有限信息时，如何利用极端次序统计量估计端点，并改善只使用固定数量极端观测的估计方法？
- 方法与思路
- 作者使用数量随样本增加的极端次序统计量构造端点估计，并考察它与某一特定模型中最大似然估计的联系及模型偏离下的稳健性。
- 材料陈述的贡献
- 摘要称所提估计改善了仅使用有界数量极端观测的既有方法，在特定模型中等于最大似然估计，并对偏离该模型具有稳健性。
- 阅读关注点
- 核对端点附近所需分布条件、极端观测数量的增长与选择规则、改善的评价标准，以及与最大似然一致的模型和稳健性定义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出收敛速度、误差比较或模型偏离范围，也未说明金融风险应用。
原文摘要
We propose a method of estimating the endpoint, $\theta$, of a distribution when only limited information is available about the behaviour of the distribution in the neighbourhood of $\theta$. By using increasing numbers of extreme order statistics we obtain an estimator which improves on earlier estimators based on only a bounded number of extremes. In a certain particular model our estimator is equal to a maximum likelihood estimator, but it is robust against departures from this model.