Optimal Fixed Size Confidence Procedures for a Restricted Parameter Space
受限参数空间中的最优固定大小置信程序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：摘要研究受限参数空间下的一般置信程序与决策理论，没有所列经济计量细分领域的直接文本依据。
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
受限参数空间中的最优固定大小置信程序
- 研究问题
- 当正态均值被限制在紧区间且方差已知时，如何构造最优固定大小置信程序，相关极小极大决策结果能推广到何种分布？
- 方法与思路
- 作者先求解零一损失、紧区间参数空间下的极小极大决策问题，再构造置信程序，并研究不同分布限制下的推广。
- 材料陈述的贡献
- 摘要称获得非随机化、可容许且为贝叶斯的极小极大规则，并在对称单峰分布及放松单调似然比条件时给出不同推广。
- 阅读关注点
- 应核对固定大小和最优性的定义、置信程序与决策问题的对应关系，以及放松单调似然比后最优性受到的程序类别限制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未提供程序公式或覆盖性质，且放松单调似然比后的极小极大性限定在特定程序类内。
原文摘要
Optimal fixed size confidence procedures are derived for the mean of a normal random variable with known variance, when the mean is restricted to a compact interval. These confidence procedures are, in turn, based on the solution of a related minimax decision problem which is characterized by a zero-one loss function and a compact interval parameter space. The minimax rules obtained are nonrandomized, admissible, Bayes procedures. The decision-theoretic results are extended in two ways: (i) structurally similar (admissible) Bayes minimax rules are also obtained when the sampling distribution has a density function which is unimodal, symmetric about the location parameter and possesses a (strictly) monotone likelihood ratio; (ii) structurally similar minimax rules (minimax within the class of nonrandomized, odd, monotone procedures) are again obtained when the assumption of a monotone likelihood ratio is relaxed.