A Unified Approach to Choosing Optimum Quantiles for the ABLE's
渐近最佳线性估计量最优分位点选择的统一方法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：摘要中的分位点用于选择位置与尺度估计的次序统计量，未明确涉及分位数回归或分布效应。
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
渐近最佳线性估计量最优分位点选择的统一方法
- 研究问题
- 在完整或删失样本中，如何选择用于渐近最佳线性估计的次序统计量，使其间距及最终秩位置达到最优？
- 方法与思路
- 作者提出寻找次序统计量最优间距的统一方法，并讨论在不同分布下估计位置或尺度参数之一时的应用。
- 材料陈述的贡献
- 摘要提出统一的最优间距与秩选择思路，将基于次序统计量的渐近最佳线性估计用于多种分布的参数估计。
- 阅读关注点
- 应核对最优性的目标函数、从分位点间距到有限样本秩的转换，以及完整样本和删失样本所需条件的差异。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未列出具体分布、删失机制或有限样本表现。
原文摘要
Due to its computational simplicity and efficiency, asymptotically best linear estimates (ABLE) based on order statistics selected from a complete, or censored, sample are of particular importance. This article deals with a unified method for finding the optimum spacing (eventually the optimum rank of the order statistics) for the ABLE. Application of the method estimating one of the two (location and scale) parameters of various distributions is also discussed.