Asymptotic efficiencies of three methods of estimation for the inverse Gaussian-Poisson distribution
逆高斯—泊松分布三种估计方法的渐近效率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：摘要研究特定概率分布的通用参数估计，未提供所列经济领域细分的直接依据。
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
逆高斯—泊松分布三种估计方法的渐近效率
- 研究问题
- 如何估计逆高斯—泊松分布的两个参数，并判断样本矩、零值比例结合均值及最大似然方法的渐近效率差异？
- 方法与思路
- 作者分别推导三种联合估计方法的渐近方差，并计算样本矩法及零值比例结合均值法相对于最大似然估计的效率。
- 材料陈述的贡献
- 摘要称，在θ≥0.90、α≤1.5时，零值比例结合均值法效率较高；另一个给定参数区间内，两种简便方法均效率较低。
- 阅读关注点
- 核对参数定义、渐近方差推导及效率比较的基准，尤其检查摘要所列参数区间如何界定，以及最大似然估计的计算要求。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；无法判断所列区间以外的效率或有限样本表现，也不能推断刊本变化。
原文摘要
The two parameters of the inverse Gaussian-Poisson distribution may be estimated by (a) sample moments, (b) the proportion of zeros and the mean in the sample, and (c) by maximum likelihood. In the paper the asymptotic variances for all three joint estimation techniques and the corresponding efficiencies for methods (a) and (b) are derived. For θ ≥ 0.90 and α ≤ 1.5, the simple method (b) is highly efficient whereas the moment estimators are clearly inefficient. For 1.5 < α < 20.0 and θ ≥ 0. 90, both methods (a) and (b) are very inefficient and the maximum likelihood estimation technique should be employed.