A Robust Generalized Bayes Estimator and Confidence Region for a Multivariate Normal Mean
多元正态均值的稳健广义贝叶斯估计与置信域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：摘要属于一般多元正态均值估计与置信域理论，未指向所列具体领域。
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
多元正态均值的稳健广义贝叶斯估计与置信域
- 研究问题
- 估计多元正态均值时，如何利用先验均值与协方差信息改善通常的最大似然估计，同时降低先验信息误设带来的影响？
- 方法与思路
- 作者以先验均值和先验协方差矩阵为输入构造广义贝叶斯估计量，并建立相应置信域；摘要未给出先验形式与具体构造。
- 材料陈述的贡献
- 摘要称先验信息正确时估计表现明显改善，误设时仍有较强稳健性，且相应置信域的大小和覆盖概率具有吸引力。
- 阅读关注点
- 应核对风险比较采用的损失函数、维度与协方差条件、先验误设的衡量方式，以及置信域大小和覆盖概率的具体保证。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；“更好”和“稳健”的量化准则及适用范围未说明，不能认定普遍优势。
原文摘要
It is observed that in selecting an alternative to the usual maximum likelihood estimator, $\delta^0$, of a multivariate normal mean, it is important to take into account prior information. Prior information in the form of a prior mean and a prior covariance matrix is considered. A generalized Bayes estimator is developed which is significantly better than $\delta^0$ if this prior information is correct and yet is very robust with respect to misspecification of the prior information. An associated confidence region is also constructed, and is shown to have very attractive size and probability of coverage.