Estimation Via Linearly Combining Two Given Statistics
通过线性组合两个给定统计量进行估计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：摘要研究通用统计量组合与无偏估计理论，没有所列具体计量领域的直接证据。
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
通过线性组合两个给定统计量进行估计
- 研究问题
- 如何统一处理无偏估计量的协方差调整、两个无偏估计量的合并，以及借助部分参数信息改进估计的问题？
- 方法与思路
- 作者将三类问题写成两个统计量的最小离散程度线性无偏组合问题，允许任意联合离散矩阵和线性子空间参数域。
- 材料陈述的贡献
- 摘要称所得解推广了已有结果，使其适用于任意联合离散矩阵，以及参数空间为任意线性子空间的情形。
- 阅读关注点
- 应核对离散程度的比较标准、矩阵奇异时的处理、无偏约束与参数子空间的关系，以及最优组合解的存在和唯一性。
- 阅读边界
- 所给材料是稿件版本未注明的 OpenAlex 索引摘要；具体解、矩阵处理和证明条件未提供，不能据此重构估计公式。
原文摘要
We consider the problems of (i) covariance adjustment of an unbiased estimator, (ii) combining two unbiased estimators, and (iii) improving upon an unbiased estimator. All these problems consist in determining a minimum dispersion linear unbiased combination of given two statistics, one of which is an unbiased estimator of a vector parameter $\mathbf{\theta} \in \mathscr{H}$, and the expectation of the other is a zero vector in the problem of covariance adjustment, is equal to $\mathbf{\theta}$ in the problem of combining, and is equal to a subvector of $\mathbf{\theta}$ in the problem of improving. The solutions obtained are substantial generalizations of known results, in the sense that they are valid for an arbitrary joint dispersion matrix of the given statistics as well as for the parameter space $\mathscr{H}$ being an arbitrary subspace of $\mathscr{R}^k$.