Comparison of Some Bounds in Estimation Theory
估计理论中若干界的比较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：摘要属于一般估计理论中的方差界比较，没有所列微观、宏观或金融细分方向的明确证据。
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
估计理论中若干界的比较
- 研究问题
- 无偏估计量的方差何时能达到 Hammersley–Chapman–Robbins 界，该界与 Bhattacharyya 系列界在何种条件下更紧？
- 方法与思路
- 作者分别考虑正则与非正则情形，在较广的分布和参数函数范围内比较两类方差界，并给出判断界的相对紧致性的充分条件。
- 材料陈述的贡献
- 摘要明确报告前一方差界可达到的条件，以及判定两类界何者更紧的充分条件，为无偏估计量的方差下界比较提供依据。
- 阅读关注点
- 应核对正则与非正则情形的定义、可达到性的条件、所覆盖的分布与参数函数范围，以及充分条件是否也具有必要性。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；具体条件和界的表达式未提供，不能判断两类界的普遍排序或有限样本实际表现。
原文摘要
Conditions are given for the attainment of the Hammersley-Chapman-Robbins bound for the variance of an unbiased estimator, in both regular and nonregular cases. Comparisons are made between this bound and the Bhattacharyya system of bounds for a wide class of distributions and parametric functions. Sufficient conditions are provided to determine when one bound is sharper than the other one.