A Necessary and Sufficient Condition for Second Order Admissibility with Applications to Berkson's Bioassay Problem
二阶可容许性的充要条件及其在Berkson生物测定问题中的应用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：摘要研究一般估计决策理论及生物测定应用，未明确对应所列经济计量领域细分。
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
二阶可容许性的充要条件及其在Berkson生物测定问题中的应用
- 研究问题
- 在最大似然估计量上加入按样本量倒数缩放的函数修正时，何时能够在二阶精度上改善均方误差？
- 方法与思路
- 作者针对特定形式的最大似然估计修正，证明均方误差改善的必要且充分条件，并将定理应用于Berkson生物测定问题。
- 材料陈述的贡献
- 摘要明确声称给出该类修正实现二阶均方误差改善的充要条件，并提供生物测定应用；未说明条件的具体表达。
- 阅读关注点
- 核对二阶可容许性的比较类、均方误差展开与余项要求，修正函数受到的限制，以及生物测定应用的参数设定。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要；模型、充要条件与证明未提供，不能推断任意最大似然估计均可改善或有限样本必然受益。
原文摘要
A theorem is proved which gives a necessary and sufficient condition for improving, up to $o(n^{-2})$, the mean squared error of the maximum likelihood estimate $\hat{\theta}$ by using an estimate of the form $\hat{\theta} + d(\hat{\theta})/n$. An application is made to a bioassay problem of Berkson.