Simultaneous Estimation of Multinomial Cell Probabilities
多项分布单元概率的同时估计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：多项分布概率估计本身不足以归入离散选择，摘要未给出选择行为模型或其他细分依据。
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
多项分布单元概率的同时估计
- 研究问题
- 在多项分布尤其是单元数多、每个单元观测量适中的稀疏情形中，能否改进通常观测比例向量的平方误差风险？
- 方法与思路
- 作者提出新概率向量估计量，并通过精确计算、标准渐近理论及单元数增大的新渐近框架比较两种估计的风险。
- 材料陈述的贡献
- 摘要称，新估计量在多数情形更合适，尤其在大型稀疏多项分布中风险表现较好，并提出可能启发其他问题的渐近框架。
- 阅读关注点
- 应核对新估计量的完整定义、平方误差风险比较的参数范围，以及单元数和每单元观测量在新渐近框架中的变化方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出估计式或风险数值，比较对象的符号也有缺漏，需查原 PDF，不能认定一致支配。
原文摘要
A new estimator, p*, of the multinomial parameter vector is proposed, and it is shown to be a better choice in most situations than the usual estimator, (the vector of observed proportions). The risk functions (expected squared-error loss) of these two estimators are examined in three ways using: (a) exact calculations, (b) standard asymptotic theory, and (c) a novel asymptotic framework in which the number of cells is large and the number of observations per cell is moderate. The general superiority of p* over in large sparse multinomials is thus revealed. The novel asymptotic framework may also provide insight in other multinomial problems.