Families of Minimax Estimators of the Mean of a Multivariate Normal Distribution
多元正态均值的极小极大估计量族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：摘要属于多元正态决策与风险理论，未涉及所列经济或金融细分领域的专门问题。
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
多元正态均值的极小极大估计量族
- 研究问题
- 当多元正态向量的离散程度矩阵未知且需要估计时，如何构造均值估计的无偏风险估计与极小极大条件？
- 方法与思路
- 作者研究具有正交不变性和尺度不变性的估计量，推导无偏风险估计，并用统一风险上界筛选估计量。
- 材料陈述的贡献
- 摘要称所得极小极大条件弱于此前已发表条件，并以一组风险函数和风险估计统一不同矩阵假设下的分析。
- 阅读关注点
- 应核对损失与风险的标准化方式、未知矩阵的估计机制、不变性限制，以及新条件与既有条件的比较范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体损失、矩阵假设及风险改善范围未完整给出，不能推广到任意均值估计问题。
原文摘要
Ever since Stein's result, that the sample mean vector $\mathbf{X}$ of a $k \geqq 3$ dimensional normal distribution is an inadmissible estimator of its expectation $\mathbf{\theta}$, statisticians have searched for uniformly better (minimax) estimators. Unbiased estimators are derived here of the risk of arbitrary orthogonally-invariant and scale-invariant estimators of $\mathbf{\theta}$ when the dispersion matrix $\sum$ of $\mathbf{X}$ is unknown and must be estimated. Stein obtained this result earlier for known $\mathbf{\sum}$. Minimax conditions which are weaker than any yet published are derived by finding all estimators whose unbiased estimate of risk is bounded uniformly by $k$, the risk of $\mathbf{X}$. One sequence of risk functions and risk estimates applies simultaneously to the various assumptions about $\mathbf{\sum}$, resulting in a unified theory for these situations.