Estimation of the Mean by Shrinkage to a Point
向固定点收缩的均值估计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：摘要讨论一般分布均值的收缩估计，未提供宏观预测、金融预测或其他给定细分的依据。
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
向固定点收缩的均值估计
- 研究问题
- 对于若干常见分布，如何将均值的极大似然估计向一个自然基准点收缩，并改善该点附近参数区间内的均方误差？
- 方法与思路
- 作者针对正态、伽马、泊松和二项分布提出收缩估计量，并与 Thompson 提出的方法比较；摘要缺失估计量的一般形式。
- 材料陈述的贡献
- 摘要称，所提估计量在自然基准点附近的一个区间内，具有比所比较方法更小的均方误差；未声称全参数空间一致改进。
- 阅读关注点
- 应查阅原 PDF 确认缺失的估计量公式、收缩强度和基准点选择，并核对各分布下改进区间及均方误差比较条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。估计量公式缺失，不能重构；区间范围和条件未说明，不能声称全局占优或推断刊本变化。
原文摘要
The problem of shrinking the maximum likelihood estimator (MLE) of the mean μ of various populations towards a natural origin μ0 is studied. Estimators of the general form, are proposed for the cases of Normal, Gamma, Poisson, and Binomial distributions. The behavior of these estimators is compared with that of the ones suggested by Thompson [3]. Our estimators are shown to be better in the sense of having a smaller mean square error in an interval around μ0.