Estimation of a Multivariate Normal Mean with a Class of Quadratic Loss Functions
一类二次损失函数下的多元正态均值估计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：摘要讨论决策理论中的正态均值估计与风险支配，没有所列领域细分的直接应用依据。
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
一类二次损失函数下的多元正态均值估计
- 研究问题
- 在多元正态均值估计中，对于一类坐标权重不至于使问题实质退化为二维的二次损失，能否明确构造一致改进通常估计量的方法？
- 方法与思路
- 作者承接二次损失下已有的可改进性结论，为指定损失函数类别给出显式替代估计量，并比较其风险与通常估计量的风险。
- 材料陈述的贡献
- 摘要称，文章把已有的改进存在性结论落实为显式估计量，这些估计量在指定二次损失类别下统一改进通常估计量。
- 阅读关注点
- 应核对损失矩阵的限制、维度与协方差条件、替代估计量公式，以及风险支配是在哪些参数范围和损失定义下成立。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出损失类别的精确边界或估计量形式，不能声称对任意二次损失均有改进。
原文摘要
Stein's estimator for p ≧ 3 normal means is known to dominate the usual estimator if the loss is quadratic. Brown (1975) has shown that for a class of quadratic loss functions the usual estimator can be uniformly improved if the loss functions do not give such extreme weights to the coordinates that the problem essentially reduces to a two-dimensional one. However, he has not given a uniformly better estimator. In this article, we give explicit alternatives that uniformly improve on the usual estimator for a class of quadratic loss functions.