Consistent statistics for estimating and testing hypotheses from grouped samples
分组样本中用于估计与假设检验的一致统计量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：摘要中的分组指观测值按数值区间归并，并非面板分组或离散选择模型，没有所列细分领域的充分证据。
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
分组样本中用于估计与假设检验的一致统计量
- 研究问题
- 当样本只能以等宽区间中点记录时，如何对未知参数进行一致推断，分组带来的渐近效率损失又如何评价？
- 方法与思路
- 作者研究产生一致统计量的方法，并将其渐近效率与未分组数据下的对应统计量及最大似然统计量比较。
- 材料陈述的贡献
- 摘要称分析可适用于任意大的分组区间宽度，不局限于既有分组修正的情形，并提供若干数值研究。
- 阅读关注点
- 应核对分组观测模型、参数可辨识性、一致统计量构造，以及区间宽度与渐近过程的关系和效率比较标准。
- 阅读边界
- OpenAlex 索引版本未注明；摘要未说明分布条件及效率结果，任意宽度适用不意味着分组没有信息损失。
原文摘要
This paper deals with the problem of making statistical inferences about an unknown parameter in the case when the smaple is grouped at the mid-points of equispaced intervals. The main discussion is concerned with a method which leads to consistent statistics, and with the asymptotic efficiency of these statistics compared to (a) the same statistics with ungrouped data, and (b) the maximum likelihood statistics. Unlike previous corrections or grouping, due to Sheppard and Lindley, the analysis is valid for grouping intervals of arbitrarily large width, and numerical studies are given for serveral examples.