Constructing Uniformly Better Estimators
一致改进估计量的构造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：摘要涉及通用估计量组合和试验区组设计，未提供因果识别或其他所列计量细分的依据。
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…
关注这篇论文的作者
一致改进估计量的构造
- 研究问题
- 当两个独立无偏估计量的方差比未知时，如何组合它们以改善方差表现，并用于平衡不完全区组设计的信息恢复？
- 方法与思路
- 作者提出由两个独立无偏估计量构造新估计量的方法，以一个定理支持权重处理，并给出平衡不完全区组设计的例子。
- 材料陈述的贡献
- 摘要称，所给定理支持一种简单的构造方法，使估计量在最小方差意义下获得一致改进，并可用于恢复区组间信息。
- 阅读关注点
- 应核对独立性和无偏性的要求、未知方差比的处理方式，以及一致改进相对哪个基准成立、涵盖怎样的参数范围。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出定理条件、权重公式和比较基准，不能据此声称任意估计量组合都能改进。
原文摘要
A new way of constructing uniformly better estimators (in the sense of minimum variance) from two independent unbiased estimators is presented. The problem of weighting estimators, when the ratio of their variances is unknown, is not straightforward. Yet this problem is particularly important in the recovery of inter-block information in balanced incomplete blocks. The theorem given in this paper suggests a simple method of constructing “better” estimators. The theorem has application in the analysis of balanced incomplete block designs; an example is given.