A Biweight Approach to the One-Sample Problem
单样本问题的双权方法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：摘要是一般稳健位置估计与区间构造，未直接对应所列经济计量领域。
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
单样本问题的双权方法
- 研究问题
- 在对称且尾部拉长的分布下，如何用双权位置估计构造类似 t 的统计量，使中小样本置信区间具有较好的长度表现？
- 方法与思路
- 作者以双权位置估计及对应方差项替代经典 t 统计量的均值和样本方差，用模拟评价区间，并研究小样本重标度。
- 材料陈述的贡献
- 摘要称，中等样本下双权 t 区间的期望长度表现有效；极小样本可利用权重和重标度，共同尺度下合并方差有助稳定。
- 阅读关注点
- 应核对双权调节参数、对应方差项、重标度规则，以及区间长度比较时是否同时满足所要求的覆盖率。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；效率主要按区间期望长度评价，不能直接推出覆盖率或普遍稳健性。
原文摘要
A “t”-like statistic, replacing the classical mean by a biweight location estimator in the numerator and the sample variance by a corresponding variance term in the denominator, is proposed as a modification to that used by Gross (1976) and is evaluated for its efficiency in constructing confidence intervals in symmetric, stretched-tailed situations. The one-sample biweight “t” is shown, via Monte Carlo simulations, to be efficient for samples of moderate sizes (in terms of expected length of the confidence intervals). For smaller samples (size five), the sum of the biweight weights is useful in rescaling biweight “t”. For several samples of common population width, a root mean square of the variances affords greater stability when the underlying distribution is not extremely stretched-tailed.