Best Linear Unbiased Prediction of Order Statistics in Location and Scale Families
位置尺度族中次序统计量的最佳线性无偏预测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：预测对象是可靠性场景中的失效次序统计量，未涉及宏观预测或金融尾部风险。
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
位置尺度族中次序统计量的最佳线性无偏预测
- 研究问题
- 当寿命分布仅有位置和尺度未知时，如何利用同一样本中较早的失效时间，对后续失效时间进行线性无偏点预测？
- 方法与思路
- 作者构造未来次序统计量的最佳线性无偏点预测量，并基于样本分位数理论给出类似的大样本程序，以指数和帕累托分布说明。
- 材料陈述的贡献
- 摘要称文章提供早期失效信息下的点预测方法及大样本对应程序，适用于所述位置尺度族，并给出两类分布示例。
- 阅读关注点
- 应核对已观测与待预测次序统计量的设定、最佳性所用损失标准、位置尺度参数的处理，以及大样本程序的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未提供预测误差或覆盖率，点预测贡献不能扩展为区间预测保证。
原文摘要
In many life testing, reliability and replacement policy situations, it is desirable to predict the time of future failures from times of the early failures in the same sample. Interval prediction in this setting has been treated by several authors. In this article, the authors give best linear unbiased (blu) point predictors of future failures when the underlying distribution is known up to location and scale. Analogous large sample procedures based on sample quantile theory are provided. The results are illustrated for the exponential and Pareto distributions.