Construction of Improved Estimators in Multiparameter Estimation for Discrete Exponential Families
离散指数族多参数估计中改进估计量的构造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：摘要讨论通用多参数估计和风险改进，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…
离散指数族多参数估计中改进估计量的构造
- 研究问题
- 在离散指数族的多参数同时估计中，如何构造在加权平方误差损失下优于一致最小方差无偏估计量的估计方法？
- 方法与思路
- 作者将一致最小方差无偏估计量向可能非零的固定点或数据决定的点收缩，并通过模拟比较泊松均值的同时估计。
- 材料陈述的贡献
- 摘要称扩展并统一了离散指数族同时估计理论，构造具有理论风险优势的估计量，并报告新泊松估计量的模拟优势。
- 阅读关注点
- 阅读时应核对损失权重、参数维度与收缩目标的限制，以及理论支配条件、模拟参数范围和既有估计量的比较方式。
- 阅读边界
- 依据稿件版本未注明的OpenAlex索引摘要；支配结论的完整条件与模拟数值未说明，不能将优势扩展至其他损失函数。
原文摘要
This paper extends and unifies the theory of simultaneous estimation for the discrete exponential family. We discuss construction of estimators which theoretically dominate the uniformly minimum variance unbiased estimator (UMVUE) under a weighted squared error loss function, and show by means of computer simulation results that new simultaneous Poisson means estimators perform more favorably than those previously proposed. Our improved estimators shift the UMVUE towards a possibly nonzero point or a data-based point.