$L$- and $R$-Estimation and the Minimax Property
L 估计、R 估计与极小极大性质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：摘要讨论一般位置估计的极小极大反例，未提供所列经济计量细分方向的依据。
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
L 估计、R 估计与极小极大性质
- 研究问题
- 在对称位置分布模型中，分布类具有凸性是否足以使 L 估计或 R 估计具有极小极大性质，相关一般断言是否成立？
- 方法与思路
- 作者构造一个简单的凸对称分布类作为反例，考察其中 L 估计与 R 估计的位置估计性质，并据此检验既有断言。
- 材料陈述的贡献
- 摘要称给出的例子中 L 估计和 R 估计均不具有所讨论的极小极大性质，并因此否定一项关于 L 估计的既有断言。
- 阅读关注点
- 阅读全文时应核对分布类的构造、损失与风险的定义、极小极大比较所允许的估计量，以及被否定断言的准确范围。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；未说明风险标准和反例细节，不能推出所有分布类中的 L 或 R 估计都无此性质。
原文摘要
Let $\{X_i\}$ be a sample from $F(x - \theta)$ where $F$ is in a class $\mathscr{F}$ of symmetric distributions on the line and $\theta$ is the location parameter to be estimated. Huber has shown that maximum likelihood estimation has a minimax property over a convex $\mathscr{F}$. Here a simple convex $\mathscr{F}$ is given for which neither $L$- nor $R$-estimation has the minimax property. In particular, this example shows that a recent assertion concerning $L$-estimation is not true.