Linear Estimation of the Logistic Parameters for Complete or Tail-Censored Samples
完整样本或尾部删失样本下 Logistic 分布参数的线性估计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 Logistic 分布位置与尺度估计，未涉及离散选择模型或所列经济金融应用方向。
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
完整样本或尾部删失样本下 Logistic 分布参数的线性估计
- 研究问题
- 对完整样本或存在尾部第二类删失的样本，如何构造 Logistic 分布位置与尺度参数的渐近最佳线性无偏估计量？
- 方法与思路
- 作者给出依删失程度确定的简单闭式估计权重，并将估计量与最佳线性无偏估计量以及 Cramér–Rao 下界比较。
- 材料陈述的贡献
- 摘要称，估计权重具有简单闭式表达，比较显示所提估计量即使在小样本下也有良好效率，但未提供具体效率数值。
- 阅读关注点
- 应核对尾部第二类删失的抽样机制、权重所依赖的信息，以及渐近最优性条件和小样本效率比较的范围。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；权重公式及效率数值未说明，不能推广至其他删失机制或将其理解为选择模型。
原文摘要
In this paper we present the asymptotically best linear unbiased estimators for the location and scale parameters of the logistic distribution based on samples where there may be Type 2 censoring in the tails. Given the amount of censoring, the weights of the estimators can be expressed in simple closed forms. Comparisons of these with the best linear unbiased estimators and the Cramer-Rao lower bounds demonstrate that they have good efficiency even for small samples.