Rate of Convergence of Estimators Based on Sample Mean
基于样本均值的估计量收敛速率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：摘要研究一般估计量的渐近效率与收敛理论，缺少所列细分领域的直接证据。
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
基于样本均值的估计量收敛速率
- 研究问题
- 基于独立同分布随机向量样本均值的参数点估计量具有怎样的收敛速率，其渐近正态最优性与 Bahadur 效率如何关联？
- 方法与思路
- 作者先研究样本均值型点估计量的收敛速率，再将结果用于指数族中的 Bahadur 效率证明，并提供非指数族例子。
- 材料陈述的贡献
- 摘要称指数族中的正则最佳渐近正态估计量具有 Bahadur 效率，并用例子说明这一效率结论在非指数族中未必成立。
- 阅读关注点
- 应核对这里收敛速率与 Bahadur 效率的精确定义、正则性及指数族条件，并理解反例为何区分两种最优性概念。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；具体速率、参数空间和正则条件未提供，不能把效率结论推广至任意估计量。
原文摘要
The rate of convergence of the point estimators for the parameter based on the sample mean of i.i.d. random vectors is obtained. The result is used to prove the Bahadur's efficiency of the regular best asymptotically normal estimator when the underlying distribution is in the exponential family. An example is given to show that if the distribution is not in the exponential family, then the regular best asymptotically normal estimator is not necessarily efficient in Bahadur's sense.