Admissible and Minimax Estimation for the Multinomial Distribution and for K Independent Binomial Distributions
多项分布与多个独立二项分布的可容许及极小极大估计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：摘要涉及离散分布参数估计的通用决策理论，没有足够依据归入离散选择等细分方向。
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
多项分布与多个独立二项分布的可容许及极小极大估计
- 研究问题
- 在给定加权平方损失及估计量约束下，如何研究多项分布和多个独立二项分布参数估计的可容许性与极小极大性？
- 方法与思路
- 作者分别考察多项分布的概率约束估计和独立二项分布的加权损失，证明使用多元Cramér–Rao型不等式及散度定理。
- 材料陈述的贡献
- 摘要称，论文讨论两类离散分布参数估计的决策理论性质，并以多元不等式和散度定理构成证明方法。
- 阅读关注点
- 应核对损失函数与参数空间、估计量约束，以及哪些具体估计规则获得可容许性或极小极大性结论。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；损失函数求和上限与参数索引不一致，需核对原文，摘要未列出具体估计规则。
原文摘要
Admissible and minimax estimation is discussed for estimating the parameters in the (a) multinomial distribution and in (b) $k$ independent binomial distributions. In (a) the loss function is $\sum^n_0\lbrack\delta_i(x) - \theta_i\rbrack^2/\theta_i$, where $\theta_0, \cdots, \theta_k(\sum\theta_i = 1)$ are the parameters in the multinomial distribution, and the estimators are restricted to $\sum^k_0\delta_i(x) = 1$. In (b) the loss functions considered are the weighted sum of quadratic losses. The method of proof is based on a multivariate analog of the Cramer-Rao inequality, and uses the divergence theorem in a novel way.