Minimax Confidence Sets for the Mean of a Multivariate Normal Distribution
多元正态均值的极小极大置信集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：摘要研究一般多元正态均值的置信集理论，未提供所列经济计量细分的直接依据。
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
多元正态均值的极小极大置信集
- 研究问题
- 对多元正态均值，能否给出一种明确可实施的置信集，使其覆盖概率在所有均值参数处都高于以观测值为中心的通常置信球？
- 方法与思路
- 作者将通常置信球的中心改为正部 James–Stein 估计量，在维度至少为四时分析覆盖概率，并以数值证据说明覆盖改善的幅度。
- 材料陈述的贡献
- 摘要称维度至少为四时，重新定中心的置信集具有一致更高的覆盖概率，因而是极小极大置信集；数值证据支持改善可能较为明显。
- 阅读关注点
- 应核对协方差的设定、置信球半径及收缩规则，以及覆盖优势与极小极大性的精确定义；还需查看改善随维度和参数位置如何变化。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；协方差条件、半径细节和数值幅度未说明，不能推广至任意维度或正态模型，也不能推断刊本变化。
原文摘要
For the problem of estimating a $p$-variate normal mean, the existence of confidence procedures which dominate the usual one, a sphere centered at the observations, has long been known. However, no explicit procedure has yet been shown to dominate. For $p \geq 4$, we prove that if the usual confidence sphere is recentered at the positive-part James Stein estimator, then the resulting confidence set has uniformly higher coverage probability, and hence is a minimax confidence set. Moreover, the increase in coverage probability can be quite substantial. Numerical evidence is presented to support this claim.