Estimation of Pareto's Law from Grouped Observations
利用分组观测估计帕累托定律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：摘要仅讨论帕累托参数的分组数据估计，未明确研究收入分布效应或金融尾部风险，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
利用分组观测估计帕累托定律
- 研究问题
- 仅有分组观测时，如何估计摘要所称的帕累托分布尺度参数，并比较不同估计方法的渐近性质与计算要求？
- 方法与思路
- 作者评价极大似然估计及四种最小二乘变体，比较其 BAN 性质，并构造线性化的 BAN 估计量。
- 材料陈述的贡献
- 摘要称，多数所考察估计量具有相同的 BAN 性质但需要非线性计算，作者另提供线性化估计量及数值示例。
- 阅读关注点
- 应核对帕累托分布参数化、分组边界与观测信息、BAN 的定义和条件，以及线性化估计量的具体构造。
- 阅读边界
- 摘要未给出分组方式、渐近条件或数值表现，不能认定线性化方法普遍更好。来源为版本未注明的 OpenAlex 索引摘要，不能推断刊本变化。
原文摘要
The problem of estimating the scale parameter in the Pareto distribution from grouped observations is considered. Several estimators—the maximum likelihood estimator and four variants of least squares—are evaluated. Most of these have identical BAN properties but require nonlinear computations. A linearized BAN estimator is constructed, and numerical illustrations are provided.