Estimating the Mean of a Normal Distribution with Loss Equal to Squared Error Plus Complexity Cost
平方误差加复杂度成本损失下的正态均值估计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：摘要研究正态均值估计的通用决策理论，未涉及所列领域中的具体数据结构或经济问题。
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
平方误差加复杂度成本损失下的正态均值估计
- 研究问题
- 估计多元正态均值时，若损失同时计入平方误差与模型复杂度成本，估计量的完全类、极小极大性和可容许性如何变化？
- 方法与思路
- 作者将参数空间划分为对应不同复杂度模型的集合，由估计所隐含的模型确定复杂度成本，并据此开展统计决策分析。
- 材料陈述的贡献
- 摘要称，完全类由预检验估计量构成；最大似然估计仍为极小极大，但在维数为一或二时也不可容许。
- 阅读关注点
- 应核对模型划分与复杂度成本的具体定义、完全类结论的条件，以及极小极大性和不可容许性分别采用的风险比较。
- 阅读边界
- 仅有版本未注明的 OpenAlex 索引摘要；未说明成本形式和完整条件，相关决策结论不能推广到任意复杂度惩罚。
原文摘要
Estimating the mean of a $p$-variate normal distribution is considered when the loss is squared error plus a complexity cost. The complexity of estimates is defined using a partition of the parameter space into sets corresponding to models of different complexity. The model implied by the use of an estimate determines the estimate's complexity cost. Complete classes of estimators are developed which consist of preliminary-test estimators. As is the case when loss is just squared error, the maximum-likelihood estimator is minimax. However, unlike the no-complexity-cost case, the maximum-likelihood estimator is inadmissible even in the case when $p = 1$ or 2.