Optimal-Partitioning Inequalities in Classification and Multi-Hypotheses Testing
分类与多假设检验中的最优划分不等式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：摘要属于通用统计决策与检验理论，未明确对应所列经济计量细分领域。
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
分类与多假设检验中的最优划分不等式
- 研究问题
- 分类和多假设检验的最优划分及极小极大风险受到哪些界约束，位置参数族的风险界如何由分布集中性质刻画？
- 方法与思路
- 作者利用尾部集中与 Lévy 集中性质推导风险不等式，重点分析具有最大似然比性质及对称单峰的连续分布，并考虑一般分布。
- 材料陈述的贡献
- 摘要称，获得分类与多假设检验的最优划分及极小极大风险不等式，并为位置参数族推导最佳可能的风险界。
- 阅读关注点
- 应核对风险与集中量的定义、各类分布条件及最佳可能的含义，并查看一般或不连续分布的界与特殊分布结果有何区别。
- 阅读边界
- 仅据版本未注明的索引摘要，无法确定风险界的具体形式、取等条件或检验构造；理论界不直接提供实际分类表现。
原文摘要
Optimal-partitioning and minimax risk inequalities are obtained for the classification and multi-hypotheses testing problems. Best possible bounds are derived for the minimax risk for location parameter families, based on the tail concentrations and Levy concentrations of the distributions. Special attention is given to continuous distributions with the maximum likelihood ratio property and to symmetric unimodal continuous distributions. Bounds for general (including discontinuous) distributions are also obtained.