Moments of Order Statistics
次序统计量的矩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：摘要属于一般次序统计量矩公式研究，未明确涉及分位数估计或分布效应。
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
次序统计量的矩
- 研究问题
- 如何表达样本中成对次序统计量期望的和与差，以及奇数样本的中央次序统计量期望？这些表达能否推广到高阶矩？
- 方法与思路
- 作者利用总体密度、分布函数及由其构成的辅助积分，给出成对次序统计量期望的有限求和表示，并讨论中央位置。
- 材料陈述的贡献
- 摘要列出成对次序统计量期望之和与差及中央位置期望的公式，并称得到高阶矩的平行公式；具体适用条件未说明。
- 阅读关注点
- 应核对矩存在条件、中位数的选取、辅助积分及求和上下限，特别检查原 PDF 的公式排版和高阶矩推广形式。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；复杂公式需核对原 PDF，摘要未说明可积性条件，不能据此推断任意分布的矩均存在。
原文摘要
Let $X_{(i\mid n)}$ be the $i$th smallest order statistic from a population with $\operatorname{pdf} f(x)$ and $\operatorname{cdf} F(x)$. When $\tilde{x}$ is the population median, $n$ is the sample size and $G(x) = F(x)(1 - F(x))$, the following are proved. \begin{equation*}\begin{split}E(X_{(n-i+1\mid n)}) + E(X_{(i\mid n)}) \\ = n(n - 2i + 1)\binom{n - 1}{i - 1} \sum^{\lbrack (n-2i+1)/2\rbrack}_{\nu = 0}\frac{(-1)^\nu}{n - 2i + 1 - \nu}\binom{n - 2i + 1 - \nu}{\nu} \\ \times \Psi_1(i - 1 + \nu),\end{split}\end{equation*} $E(X_{(n-i+1\mid n)}) - E(X_{(i\mid n)}) = n\binom{n - 1}{i - 1} \sum^{\lbrack (n-2i)/2\rbrack}_{\nu = 0}(-1)^\nu\binom{n-2i-\nu}{\nu}\Psi_2(i - 1 + \nu)$ for $i = 1,2,\cdots,\lbrack n/2 \rbrack$ and $E(X_{(i\mid n)}) = n\binom{n - 1}{i - 1}\Psi_1(i - 1)$ for $i = (n + 1)/2$ when $n$ is odd, where $\Psi_1(l) = \int^\infty_{-\infty} x f(x)\{G(x)\}^l dx$ and \begin{equation*}\begin{split}\Psi_2(l) = -\int^{\tilde{x}}_{-\infty} x f(x) \{G(x)\}^l(1 - 4G(x))^{\frac{1}{2}} dx \\ + \int^\infty_{\tilde{x}}x f(x) \{G(x)\}^l(1 - 4G(x))^{\frac{1}{2}} dx.\end{split}\end{equation*} Parallel formulas are obtained for the $k$th order moment.