Complete order statistics in parametric models
参数模型中次序统计量的完备性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：摘要属于完备性与估计效率的一般统计理论，没有经济分布效应或其他所给应用细分的直接证据。
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
参数模型中次序统计量的完备性
- 研究问题
- 光滑参数模型中的次序统计量是否通常具有完备性，这如何影响对称统计量的最优无偏性质与渐近效率之间的关系？
- 方法与思路
- 作者回顾非参数模型的相关结果并指出推广，继而研究光滑参数模型中完备性的泛性，以及对称统计量的估计含义。
- 材料陈述的贡献
- 摘要称，次序统计量的完备性在光滑参数模型中具有泛性；样本均值可泛性地最优无偏，同时又泛性地渐近无效率。
- 阅读关注点
- 应核对“泛性”的数学定义、模型类别及完备性的证明，并明确最优无偏比较范围与渐近效率所用基准的差别。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；泛性和最优性的精确定义未说明，不能解读为每个参数模型中样本均值均有这些性质。
原文摘要
For a given statistical model $\mathsf{P}$ it may happen that the order statistic is complete for each IID model based on $\mathsf{P}$. After reviewing known relevant results for large nonparametric models and pointing out generalizations to small nonparametric models, we essentially prove that this happens generically even in smooth parametric models. As a consequence it may be argued that any statistic depending symmetrically on the observations can be regarded as an optimal unbiased estimator of its expectation. In particular, the sample mean $\overline{X}_n$ is generically an optimal unbiased estimator, but, as it turns out, also generically asymptotically inefficient.