An Ancillarity Paradox in the Estimation of Multinomial Probabilities
多项概率估计中的辅助统计量悖论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：摘要讨论一般多项概率的决策理论与辅助统计量，未明确涉及离散选择等所列方向。
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
多项概率估计中的辅助统计量悖论
- 研究问题
- 当多项模型的样本量被视为辅助统计量时，固定样本量下的极小极大估计性质是否保留，又为何取决于损失函数？
- 方法与思路
- 作者围绕多项概率估计，分别在平方误差与相对平方误差损失下，考察固定样本量极小极大估计量的性质。
- 材料陈述的贡献
- 摘要称，固定样本量的极小极大估计量在平方误差下不再保持该性质，在相对平方误差下则保持，形成辅助统计量悖论。
- 阅读关注点
- 应核对样本量的概率设定、两种损失的精确定义，以及风险如何处理辅助统计量，厘清性质保留与失效的比较对象。
- 阅读边界
- 依据稿件版本未注明的索引摘要；样本量分布与风险比较框架未说明，不能重构反例或证明，也不能推断后续刊本变化。
原文摘要
Let X be a multinomial (n, p) variable, where n is an ancillary statistic. In Section 2, it is shown that the minimax estimator of p for fixed sample size n is not minimax for squared error loss. In Section 3, it is shown that the minimax estimator of p for fixed sample size n is still minimax for relative squared error loss.