Estimation of the error probability density from replicate measurements on several items
利用多个对象的重复测量估计误差概率密度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：摘要估计测量误差密度，而非分位数或经济分布效应，缺乏所列细分领域的直接证据。
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
利用多个对象的重复测量估计误差概率密度
- 研究问题
- 每个不同对象只有少量重复测量时，如何估计测量误差的概率密度，并利用该密度评价对象值稳健估计的不确定性？
- 方法与思路
- 作者在测量误差独立同分布且密度对称时，利用同一对象重复测量的差值与特征函数关系构造正交函数展开估计量。
- 材料陈述的贡献
- 摘要称，所估密度可用于三次重复测量对象的M估计标准误，并通过蒙特卡洛实验界定这种标准误推断近似有效的情形。
- 阅读关注点
- 应核对对称性与独立同分布条件、特征函数恢复的可识别性、展开截断规则，以及标准误近似有效的模拟设置与边界。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；摘要未给出密度恢复和标准误的完整条件，模拟中的近似有效性不能推广为一般保证。
原文摘要
Estimation of the measurement error probability density from data that consist of a few measurements on each of several dissimilar items is investigated. An estimator is proposed for independent and identically distributed measurement error with a symmetric density function. This estimator is based on an orthogonal function expansion. Computation begins with the differences between measurements on the same item and makes use of the fact that the characteristic function of these differences equals the square of the characteristic function of the measurement error. Application to robust inference for items measured in triplicate is considered. The M-estimates of the values of the items are compared on the basis of an estimated standard error computed from the density estimate. The circumstances under which this standard error estimator provides nearly valid inferences are delimited by Monte Carlo experiments.