Inadmissibility of the Best Fully Equivariant Estimator of the Generalized Residual Variance
广义残差方差的最优完全等变估计量的不可容许性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：摘要研究 Wishart 模型中的一般估计决策问题，未提供与所列计量领域细分直接对应的内容。
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…
广义残差方差的最优完全等变估计量的不可容许性
- 研究问题
- 当可观测数据为 Wishart 随机矩阵时，自然的完全等变估计量在估计广义残差方差时，是否仍可被其他估计量改进？
- 方法与思路
- 作者提出依预先显著性检验的结果，在两个估计量之间切换的替代方法，并以归一化平方误差衡量其风险。
- 材料陈述的贡献
- 摘要称，该替代估计量在所有参数取值处具有更小的平均归一化平方误差，从而说明自然估计量不可容许。
- 阅读关注点
- 应核对广义残差方差的定义、两个候选估计量与预检验规则，以及风险严格下降所依赖的参数空间和条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未给出估计量公式、检验阈值或证明，不能将风险改进推广到其他损失函数。
原文摘要
The estimation of the generalized residual variance is considered when an observable Wishart random matrix is available. It is shown that when the loss function is normalized squared error, the natural fully equivariant estimator is dominated by an alternative. The latter uses either one of two estimators depending on the result of a preliminary test of significance. This alternate estimator has an everywhere smaller mean normalized squared error than the natural estimator.