Linear Estimation of the Logistic Parameters for Complete or Tail-Censored Samples
完整或尾部删失样本下 Logistic 分布参数的线性估计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：摘要研究删失样本下的位置和尺度估计，未涉及离散选择模型或经济分布效应的直接应用。
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
完整或尾部删失样本下 Logistic 分布参数的线性估计
- 研究问题
- 在完整样本或尾部存在第二类删失时，如何线性估计 Logistic 分布的位置与尺度参数，并评估估计效率？
- 方法与思路
- 作者构造渐近最优线性无偏估计量，将给定删失程度下的权重写成简单闭式，并与最优线性无偏估计及信息下界比较。
- 材料陈述的贡献
- 摘要称，文章给出可显式计算的估计权重，且比较显示这些渐近估计量在小样本中也具有较好的效率表现。
- 阅读关注点
- 应核对两端删失的设定、线性估计使用的统计量、无偏性与渐近最优性的范围，以及小样本效率比较的具体依据。
- 阅读边界
- 仅据版本未注明的索引摘要，无法确定权重公式、删失比例或效率数值；研究对象为分布参数，并非 Logistic 回归。
原文摘要
In this paper we present the asymptotically best linear unbiased estimators for the location and scale parameters of the logistic distribution based on samples where there may be Type 2 censoring in the tails. Given the amount of censoring, the weights of the estimators can be expressed in simple closed forms. Comparisons of these with the best linear unbiased estimators and the Cramer-Rao lower bounds demonstrate that they have good efficiency even for small samples.