A Uniformly Asymptotically Efficient Estimator of a Location Parameter
位置参数的一致渐近有效估计量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：摘要研究通用位置参数估计，未涉及所列经济或金融应用细分方向。
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
位置参数的一致渐近有效估计量
- 研究问题
- 研究连续对称总体的位置参数如何利用全样本信息估计，并考察较广分布类别下的效率和小样本表现。
- 方法与思路
- 作者先基于虚拟随机子样本构造最佳线性估计，再通过类似 Rao–Blackwell 的论证形成利用全样本信息的估计量。
- 材料陈述的贡献
- 摘要提出面向较广分布类别的一致有效性主张，并称蒙特卡洛实验中，该估计在样本量十至二十时具有较高效率。
- 阅读关注点
- 应核对子样本大小的选择、最佳线性估计所需信息，以及一致渐近有效性的定义、证明条件和模拟比较对象。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。效率主张的分布范围和数值指标未说明，小样本实验不能替代一般性证明，也不能推断刊本变化。
原文摘要
Suppose that a sample of size n from a continuous and symmetric population with an unknown parameter is given. We consider a fictitious random subsample of size k drawn from the original sample and construct the best linear estimator based on the subsample. Applying the Rao-Blackwell type argument, we get an estimator which uses the information contained in the whole sample and is supposed to be uniformly efficient for a wide class of distributions. Monte Carlo experiments established that this estimator is highly efficient for small samples of size 10 to 20.