A Note on N Estimators for the Binomial Distribution
关于二项分布中试验次数 N 估计量的说明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：摘要研究二项分布未知试验次数的通用估计问题，没有所列细分领域的充分文本依据。
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
关于二项分布中试验次数 N 估计量的说明
- 研究问题
- 给定来自二项分布的多个成功次数观测，当试验次数 N 与成功概率 p 均未知时，如何稳定且有效地估计 N？
- 方法与思路
- 作者将 N 与 p 的联合似然对 p 的 beta 密度进行积分，得到 beta-binomial 分布，并据此构造 N 的估计量。
- 材料陈述的贡献
- 摘要称，所得 N 估计量稳定且效率较好，与既有估计方法比较有利，并在不少情形下表现更好。
- 阅读关注点
- 应核对 beta 密度参数的选择、积分后估计量的定义，以及稳定性、效率与比较优势分别采用什么评价标准。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明 beta 参数或比较设计，不能认定这些估计量在所有参数区域占优。
原文摘要
Consider k success counts from a binomial distribution with unknown N and success probability p. We examine the problem of estimating N. By integrating the likelihood for N and p over a beta density for p, we obtain the beta-binomial distribution resulting in stable and reasonably efficient estimators of N, which compare favorably with and are often better than the estimates introduced by Olkin et al. (1981).