A Complete Class Theorem for Statistical Problems with Finite Sample Spaces
有限样本空间统计问题的完全类定理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：摘要讨论一般统计决策与完全类理论，未提供给定计量细分的直接证据。
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
有限样本空间统计问题的完全类定理
- 研究问题
- 有限样本空间的统计决策问题如何刻画完全类，逐步贝叶斯构造能否提供一般解法，严格凸损失又带来什么性质？
- 方法与思路
- 作者给出完全类定理，以逐步算法在适当修改的原问题中构造贝叶斯程序，并通过包括多项分布估计在内的例子说明应用。
- 材料陈述的贡献
- 摘要称定理适用于多数有限样本空间估计及许多其他统计问题；严格凸损失下完全类为极小完全类，并给出多项分布新结果。
- 阅读关注点
- 应核对定理覆盖的决策问题和损失条件、逐步修改规则、完全类的极小性证明，以及归一化二次损失的定义。
- 阅读边界
- 摘要未给出完整定理条件、算法步骤或多项分布结果；不能外推至无限样本空间，OpenAlex 索引版本未注明。
原文摘要
This paper contains a complete class theorem (Theorem 3.2) which applies to most statistical estimation problems having a finite sample space. This theorem also applies to many other statistical problems with finite sample spaces. The description of this complete class involves a stepwise algorithm. At each step of the process it is necessary to construct the Bayes procedures in a suitably modified version of the original problem. The complete class is a minimal complete class if the loss function is strictly convex. Some examples are given to illustrate the application of this complete class theorem. Among these is a new result concerning the estimation of the parameters of a multinomial distribution under a normalized quadratic loss function. (See Example 4.5).