跳到正文
← 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:摘要属于指数族参数估计与统计决策理论,未提供结构估计、分布效应或金融计量等方向的直接依据。

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
James Berger

连续指数族中不可容许估计量的改进及伽马尺度参数联合估计

研究问题
如何改进连续指数族中自然参数及其整数次幂的不可容许估计量,并为伽马尺度参数及其倒数的联合估计构造改进方法?
方法与思路
作者将估计量改进问题化为微分不等式,给出若干典型不等式及解,并在不同损失函数下推导伽马参数联合估计的显式结果。
材料陈述的贡献
摘要称提供一般改进技术,并在平方误差损失下展示如何证明不可容许性和构造改进估计量;部分改进量呈现出乎预期的行为。
阅读关注点
应核对风险比较的参数范围、损失函数、微分不等式的边界条件,以及改进估计量的具体形式和所谓异常行为。
阅读边界
仅据版本未注明的OpenAlex索引摘要;风险支配的具体条件和改进幅度未说明,不能将结论推广到任意损失或估计量。

原文摘要

A general technique is developed for improving upon inadmissible estimators of natural parameters (or integral powers thereof) from continuous exponential families. The technique is to reduce the problem to the study of a differential inequality. Typical differential inequalities are presented and solved. Explicit results are given for the simultaneous estimation of gamma scale parameters (and their inverses) for a variety of natural loss functions. Surprising behavior is observed for many of the estimators improving upon "standard" estimators. For squared error loss (and any continuous exponential family) it is shown explicitly how to establish inadmissibility of an estimator and construct improved estimators.

笔记与分组
相关领域论文