The Use of OLUMV Estimators in Inference Robustness Studies of the Location Parameter of a Class of Symmetric Distributions
用OLUMV估计量研究对称分布类位置参数推断的稳健性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：摘要讨论一般位置与尺度参数的稳健推断，未涉及分位数效应或其他所列细分方向。
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
用OLUMV估计量研究对称分布类位置参数推断的稳健性
- 研究问题
- 在包含正态、双指数及均匀分布极限情形的对称幂分布类中，如何评估位置参数推断对偏离正态分布的敏感性？
- 方法与思路
- 作者计算部分分布成员的位置和尺度参数的有序线性无偏最小方差估计系数，并用于单个位置参数及多参数线性对比。
- 材料陈述的贡献
- 摘要称给出相关估计系数与两个稳健性研究示例，并比较OLUMV估计量和若干常用位置估计量的效率。
- 阅读关注点
- 应核对对称幂分布类和估计系数的定义、推断敏感性的评估方式，以及效率比较对应的分布、样本量和估计目标。
- 阅读边界
- 依据OpenAlex索引摘要，稿件版本未注明；摘要未列出系数或效率数值，选定分布上的比较不能代表任意非正态分布下的稳健性。
原文摘要
Coefficients for computing ordered linear unbiased minimum variance (OLUMV) estimators of the location and scale parameters have been obtained for selected members of a class of symmetric power distributions which includes the normal, double exponential, and as a limiting case, the rectangular. Two examples are given illustrating how these coefficients may be used to study the sensitivity of inferences concerning location parameters to departure from normality. The first example involves a single location parameter while the second extends the method to linear contrasts of several location parameters. Other uses of the coefficients are indicated, and a comparison of the efficiencies of the OLUMV estimators with several commonly used estimators of location is given.