再论创新回报量的分布：在专利重要性的引文和价值度量中极值统计学的应用

• 作者: 陈卫明（审校） 高利利（编译）
• 来源期刊: 专利文献研究
• 学科: 数学
• 关键词: 统计学 价值度量 极值 回报 指数曲线 应用 引文 专利
• 年，卷（期）: 2007,（4）
• 页码范围: 13-28
• 页数: 16页
• 分类号: O171

摘要

我们使用统计方法分析实验性回报量的分布，我们特别着重于测试“重尾线（heavy tails）”的存在，即，是否非常大的创新的可能性比指数曲线下降得更慢。当整体上分布曲线看上去类似一种对数正态曲线时，我们证明这些尾线实际上是丰满的。我们调用极值统计学的某些近期的成果并运用Hill评估式[1975年，《一种简单通用的逼近法推断分布曲线的尾线》。统计学年报3，1163-1174]以数据随动定点，

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈卫明（审校）		9	0	0.0	0.0
2	高利利（编译）		1	0	0.0	0.0