Estimation of the parameters of the logistic distribution by sample quantiles
利用样本分位数估计逻辑斯蒂分布参数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：样本分位数在此用于特定分布的均值与尺度估计，摘要未直接研究分位数效应或经济分布问题。
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
利用样本分位数估计逻辑斯蒂分布参数
- 研究问题
- 如何利用有限个样本分位数，在大样本下估计逻辑斯蒂分布的均值与标准差，并选择有效的分位点配置？
- 方法与思路
- 作者使用基于样本分位数的最佳线性无偏估计，确定最优间距与估计系数，并与按次序统计量期望配置的方法比较。
- 材料陈述的贡献
- 摘要称给出了相应估计的最优分位点间距、计算系数、方差与渐近效率，并比较两种分位点配置方式。
- 阅读关注点
- 应核对最佳线性无偏性的约束和渐近含义、效率的比较基准，以及分位点数量与配置如何影响均值和尺度估计。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；摘要未提供具体系数或效率数值，也未说明分布误设和小样本下的表现。
原文摘要
Large sample estimation of the mean and the standard deviation of the logistic distribution is discussed. Best linear unbiased estimates based on k = 2(1)9 sample quantiles are used. The optimum spacings, the coefficients to be used in computing the estimates and the variances and asymptotic efficiencies of the estimates are given. A comparison is obtained between the optimum spacings and spacing the observations using the expected values of order statistics.