Estimation of a Normal Percentile by Grouping
通过分组估计正态总体的百分位数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：摘要研究正态总体百分位数的抽样设计，未涉及微观经济分位数或分布效应。
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
通过分组估计正态总体的百分位数
- 研究问题
- 在正态总体均值和方差均未知且总成本固定时，如何通过合并多个独立测量来估计百分位数并选择分组大小？
- 方法与思路
- 作者采用群组检验思路，每次仅观测若干独立正态测量之和，在固定总成本下分别研究小样本与大样本分组选择。
- 材料陈述的贡献
- 摘要称，论文得到小样本和总成本趋于无穷时的最优组大小，并报告相较不分组方法存在明显改善。
- 阅读关注点
- 应核对成本函数、百分位数估计方法、分组大小的最优性准则，以及摘要所称改善的衡量指标和成立范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。摘要未说明成本结构、具体最优组大小或改善数值；其改善措辞不足以确认统计显著性。
原文摘要
In this article we apply the group-testing idea to the estimation of a percentile of a normal population when both the mean and the variance are unknown. The structure is such that we observe the sum of the normal, independent measurements of m units in one single observation (or test). Under the assumption of a fixed total cost T, we have obtained the optimal value of the group size m for both the small-sample and the large-sample (T → ∞) cases. Comparison with the un-grouped method (m = 1) is made and the improvement is significant.