The Efficiency of Good's Nonparametric Coverage Estimator
Good 非参数覆盖率估计量的效率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：摘要讨论类别覆盖率估计的通用效率比较，未明确涉及分位数、分布效应或其他所列方向。
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
Good 非参数覆盖率估计量的效率
- 研究问题
- 相对于假设所有类别等概率时得到的最优估计量，Good 非参数覆盖率估计量具有怎样的渐近相对效率？
- 方法与思路
- 作者以类别等概率假设下导出的最优估计量作为比较基准，分析 Good 覆盖率估计量的渐近相对效率及覆盖率相关界限。
- 材料陈述的贡献
- 摘要称即使等概率假设成立，渐近相对效率在所述情形均超过 85%，且预期覆盖率低于一半时超过 95%。
- 阅读关注点
- 应核对覆盖率的定义、类别与样本量的渐近设置、基准估计量的最优性准则，以及两个效率下界所覆盖的参数范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；具体渐近设置未说明，覆盖率概念不能混同置信区间覆盖概率，数值界限也非有限样本保证。
原文摘要
The asymptotic efficiency of Good's nonparametric coverage estimator is obtained relative to the best estimator derived under the assumption that all classes are equally likely. Even when that assumption is true, Good's estimator is quite efficient, with an asymptotic relative efficiency of greater than 85% in all cases, and greater than 95% if the expected coverage is less than one-half.