Unbiasedness as the Dual of Being Bayes
无偏性作为贝叶斯性的对偶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：摘要讨论一般统计决策理论中的无偏性与贝叶斯对偶，未提供足以归入所列计量经济学细分方向的文本证据。
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
无偏性作为贝叶斯性的对偶
- 研究问题
- 对于任意损失函数，如何定义决策函数的无偏性，并理解交换随机变量与参数角色后，它与贝叶斯性之间的关系？
- 方法与思路
- 作者推广 Lehmann 的无偏性定义，并通过交换随机变量和参数的角色，考察无偏决策与贝叶斯决策的对偶关系。
- 材料陈述的贡献
- 摘要称，所定义的无偏性与贝叶斯性互为对偶：交换随机变量与参数的角色后，两种性质相互对应，并讨论其若干后果。
- 阅读关注点
- 应核对一般损失下无偏性的精确定义、角色交换的数学构造，以及对偶结论成立所需的条件和所讨论的具体后果。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未说明定义细节、证明条件及具体推论，不能推断后续刊本变化。
原文摘要
In this note we define the notion of unbiasedness for a decision function for an arbitrary loss function. This is a generalization of Lehmann's (1951) definition. We show that this notion of unbiasedness is a dual to the notion of being Bayes; that is, if the role of the random variable and the parameter is interchanged, then unbiasedness is equivalent to being Bayes and vice versa. Some consequences of this fact are discussed.