Estimation of Quantiles of Exponential Distributions with Minimum Error in Predicted Distribution Functions
以预测分布函数误差最小化估计指数分布分位数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：虽涉及分位数，摘要核心是特定概率分布的通用估计理论，未涉及条件分位数或经济分布效应。
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
以预测分布函数误差最小化估计指数分布分位数
- 研究问题
- 估计单参数指数分布的分位数时，若目标是降低由其预测的累积概率误差，最合适的估计量会如何变化？
- 方法与思路
- 作者以预测概率的均方误差而非分位数本身的误差为准则，研究完整样本、删失样本及最优单个次序统计量。
- 材料陈述的贡献
- 摘要称，所得估计量不同于按估计均值缩放的自然估计量；数值比较显示中等样本下更有效，尤其针对高分位数。
- 阅读关注点
- 应核对预测概率损失的定义、删失机制、单个次序统计量的选择，以及所谓效率提高对应的损失和样本范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；效率陈述针对特定分布和预测概率损失，摘要未给数值，不能推断刊本变化。
原文摘要
We consider the problem of estimating the quantiles of a one-parameter exponential distribution. Using the estimated quantiles to predict the distribution function, and attempting to minimize mean square errors for these predicted probabilities rather than the quantiles themselves, we are led to estimators differing from the natural ones obtained by appropriate scaling of the estimated mean of the distribution. The form of these estimators is studied for complete and censored samples, and also for the optimal single order statistic. Numerical comparisons are made, leading to the conclusion that for moderate sample sizes the estimators studied here are considerably more efficient than the natural ones, particularly for high quantiles.