会员服务
基尼指数 · 估计/估计量 · 无偏 · 样本 · 无偏估计 ·
4 月 27 日
The $m$th Gini index estimator: Unbiasedness for gamma populations
翻译：暂无翻译
Roberto Vila,Helton Saulo
Roberto Vila,Helton Saulo
from arxiv, 12 pages

This paper establishes the theoretical result that the sample $m$th Gini index is an unbiased estimator of the population $m$th Gini index, introduced by Gavilan-Ruiz (2024), for gamma-distributed populations. An illustrative Monte Carlo simulation study confirms the unbiasedness of the sample $m$th Gini index estimator in finite samples.


翻译：暂无翻译
0
下载
关闭预览

相关内容

Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
81+阅读 · 2020年7月26日
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
专知会员服务
42+阅读 · 2020年5月30日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
54+阅读 · 2020年1月30日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
34+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
49+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
160+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
15+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection
统计学习与视觉计算组
12+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
74+阅读 · 2016年11月26日
城市“建成环境——空间行为”的多尺度影响关系与机理研究
国家自然科学基金
13+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
2+阅读 · 2015年12月31日
DMB信号水汽探测方法若干问题研究
国家自然科学基金
3+阅读 · 2015年12月31日
氢键(O:H-O)受激弛豫势能路径的键弛豫理论与声子谱学实验标定
国家自然科学基金
0+阅读 · 2015年12月31日
黑河流域高分辨率区域气候模式比较
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
2+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
6+阅读 · 2014年12月31日
策略性城市网络：形成、演化与城市经济增长
国家自然科学基金
1+阅读 · 2014年12月31日
LLM Agents for Interactive Exploration of Historical Cadastre Data: Framework and Application to Venice
Arxiv
0+阅读 · 9月30日
Nonparametric estimation of the stationary density for Hawkes-diffusion systems with known and unknown intensity
Arxiv
0+阅读 · 9月30日
PPD-CPP: Pointwise predictive density calibrated-power prior in dynamically borrowing historical information
Arxiv
0+阅读 · 9月30日
Estimation of relative risk, odds ratio and their logarithms with guaranteed accuracy and controlled sample size ratio
Arxiv
0+阅读 · 9月29日
Smoothed pseudo-population bootstrap methods with applications to finite population quantiles
Arxiv
0+阅读 · 9月29日
Modified Lepage-type test statistics for the weak null hypothesis
Arxiv
0+阅读 · 9月29日
Equivalence Test for Mean Functions from Multi-population Functional Data
Arxiv
0+阅读 · 9月29日
A Pairwise Comparison Relation-assisted Multi-objective Evolutionary Neural Architecture Search Method with Multi-population Mechanism
Arxiv
0+阅读 · 7月14日
Identifiable Latent Bandits: Leveraging observational data for personalized decision-making
Arxiv
0+阅读 · 6月11日
Cloud based DevOps Framework for Identifying Risk Factors of Hospital Utilization
Arxiv
0+阅读 · 4月18日
VIP会员
文章信息
前往arXiv
下载PDF
相关主题
基尼指数
估计/估计量
无偏
样本
无偏估计
相关VIP内容
Linux导论，Introduction to Linux，96页ppt
Linux导论，Introduction to Linux，96页ppt
专知会员服务
81+阅读 · 2020年7月26日
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
生成性对抗网络:理论模型、评估指标和最近发展的概述，Generative Adversarial Networks (GANs): An Overview of Theoretical Model, Evaluation Metrics, and Recent Developments
专知会员服务
42+阅读 · 2020年5月30日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
54+阅读 · 2020年1月30日
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
FlowQA: Grasping Flow in History for Conversational Machine Comprehension
专知会员服务
34+阅读 · 2019年10月18日
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
Auto-Sizing the Transformer Network: Improving Speed, Efficiency, and Performance for Low-Resource Machine Translation
专知会员服务
49+阅读 · 2019年10月17日
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
Connections between Support Vector Machines, Wasserstein distance and gradient-penalty GANs
专知会员服务
36+阅读 · 2019年10月17日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
59+阅读 · 2019年10月17日
《DeepGCNs: Making GCNs Go as Deep as CNNs》
《DeepGCNs: Making GCNs Go as Deep as CNNs》
专知会员服务
31+阅读 · 2019年10月17日
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
Keras François Chollet 《Deep Learning with Python 》, 386页pdf
专知会员服务
160+阅读 · 2019年10月12日
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
【SIGGRAPH2019】TensorFlow 2.0深度学习计算机图形学应用
专知会员服务
41+阅读 · 2019年10月9日
热门VIP内容
相关资讯
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
29+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
18+阅读 · 2019年1月7日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
43+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
A Technical Overview of AI & ML in 2018 & Trends for 2019
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
18+阅读 · 2018年12月24日
disentangled-representation-papers
disentangled-representation-papers
CreateAMind
26+阅读 · 2018年9月12日
STRCF for Visual Object Tracking
STRCF for Visual Object Tracking
统计学习与视觉计算组
15+阅读 · 2018年5月29日
Focal Loss for Dense Object Detection
Focal Loss for Dense Object Detection
统计学习与视觉计算组
12+阅读 · 2018年3月15日
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
IJCAI | Cascade Dynamics Modeling with Attention-based RNN
KingsGarden
13+阅读 · 2017年7月16日
From Softmax to Sparsemax-ICML16（1）
From Softmax to Sparsemax-ICML16（1）
KingsGarden
74+阅读 · 2016年11月26日
相关论文
LLM Agents for Interactive Exploration of Historical Cadastre Data: Framework and Application to Venice
Arxiv
0+阅读 · 9月30日
Nonparametric estimation of the stationary density for Hawkes-diffusion systems with known and unknown intensity
Arxiv
0+阅读 · 9月30日
PPD-CPP: Pointwise predictive density calibrated-power prior in dynamically borrowing historical information
Arxiv
0+阅读 · 9月30日
Estimation of relative risk, odds ratio and their logarithms with guaranteed accuracy and controlled sample size ratio
Arxiv
0+阅读 · 9月29日
Smoothed pseudo-population bootstrap methods with applications to finite population quantiles
Arxiv
0+阅读 · 9月29日
Modified Lepage-type test statistics for the weak null hypothesis
Arxiv
0+阅读 · 9月29日
Equivalence Test for Mean Functions from Multi-population Functional Data
Arxiv
0+阅读 · 9月29日
A Pairwise Comparison Relation-assisted Multi-objective Evolutionary Neural Architecture Search Method with Multi-population Mechanism
Arxiv
0+阅读 · 7月14日
Identifiable Latent Bandits: Leveraging observational data for personalized decision-making
Arxiv
0+阅读 · 6月11日
Cloud based DevOps Framework for Identifying Risk Factors of Hospital Utilization
Arxiv
0+阅读 · 4月18日
相关基金
城市“建成环境——空间行为”的多尺度影响关系与机理研究
国家自然科学基金
13+阅读 · 2017年12月31日
Musielak-Orlicz-Sobolev 空间中的迹嵌入及其应用
国家自然科学基金
2+阅读 · 2015年12月31日
DMB信号水汽探测方法若干问题研究
国家自然科学基金
3+阅读 · 2015年12月31日
氢键(O:H-O)受激弛豫势能路径的键弛豫理论与声子谱学实验标定
国家自然科学基金
0+阅读 · 2015年12月31日
黑河流域高分辨率区域气候模式比较
国家自然科学基金
0+阅读 · 2015年12月31日
Schr？dinger-Poisson方程守恒DDG方法研究
国家自然科学基金
2+阅读 · 2015年12月31日
哈密尔顿系统及多体问题的周期解
国家自然科学基金
0+阅读 · 2014年12月31日
动态Gr？bner 基与GVW算法
国家自然科学基金
0+阅读 · 2014年12月31日
概率抽样设计及其统计推断方法
国家自然科学基金
6+阅读 · 2014年12月31日
策略性城市网络：形成、演化与城市经济增长
国家自然科学基金
1+阅读 · 2014年12月31日
Top
微信扫码咨询专知VIP会员
Top