Estimation of Quantiles of Exponential Distributions with Minimum Error in Predicted Distribution Functions
以预测分布函数误差最小化估计指数分布分位数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：摘要直接研究分位数估计及预测分布概率误差，与分位数与分布方向相关，但未涉及处理引起的分布效应。
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
以预测分布函数误差最小化估计指数分布分位数
- 研究问题
- 对单参数指数分布，若关注估计分位数所对应的预测概率误差，而非分位数误差本身，应如何选择估计量？
- 方法与思路
- 作者以预测分布函数值的均方误差为准则，研究完整样本、删失样本及最优单个次序统计量下的分位数估计。
- 材料陈述的贡献
- 摘要称，所得估计量不同于按估计均值缩放的自然方法，数值比较显示中等样本下更有效，尤其针对高分位数。
- 阅读关注点
- 应核对预测概率损失的定义、删失方案与次序统计量选择，并区分概率误差改善和分位数误差改善的含义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未报告效率数值，所述优势限于其分布模型、损失准则及比较设置。
原文摘要
We consider the problem of estimating the quantiles of a one-parameter exponential distribution. Using the estimated quantiles to predict the distribution function, and attempting to minimize mean square errors for these predicted probabilities rather than the quantiles themselves, we are led to estimators differing from the natural ones obtained by appropriate scaling of the estimated mean of the distribution. The form of these estimators is studied for complete and censored samples, and also for the optimal single order statistic. Numerical comparisons are made, leading to the conclusion that for moderate sample sizes the estimators studied here are considerably more efficient than the natural ones, particularly for high quantiles.