On the Selection of the Underlying Distribution and Adaptive Estimation
底层分布的选择与自适应估计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：摘要研究通用分布族选择与位置参数估计，缺少经济分布效应或其他所列细分领域的直接依据。
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…
底层分布的选择与自适应估计
- 研究问题
- 在自适应推断需要选择真实分布族时，如何构造分布族选择规则，并据此估计对称分布的位置参数及评价估计表现？
- 方法与思路
- 作者提出基于非信息先验的贝叶斯选择和最大化加权正确选择概率的多重决策方法，再用修改的极大似然方法构造位置估计。
- 材料陈述的贡献
- 摘要称两类选择方法产生同形式的决策规则，并提出自适应位置估计量；蒙特卡洛比较中，该估计量相对常用估计量表现有利。
- 阅读关注点
- 阅读时应核对候选分布族、先验及权重的定义、修改极大似然的具体做法，以及分布选择错误对位置估计表现的影响。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明候选族、损失指标或模拟数值，不能推断分布误设下仍保持优势。
原文摘要
In our approach to adaptive inference, selection of the true underlying family of distributions is needed. A Bayesian selection rule, which is based on non-informative priors for the parameters, and a multiple decision solution, that maximizes the weighted sum of the probabilities of correct selection, are presented; both of these yield a decision rule of the same form. A modified maximum likelihood solution is also given and is used to construct an adaptive estimate of the location of a symmetric distribution. By a Monte Carlo study, it is found that this adaptive estimator compares most favorably to more standard estimators.