Bayesian Estimation and Prediction Using Asymmetric Loss Functions
非对称损失函数下的贝叶斯估计与预测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：摘要属于一般统计决策与预测理论，未指定宏观预测或金融收益预测对象。
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
非对称损失函数下的贝叶斯估计与预测
- 研究问题
- 当高估与低估承担不同损失时，如何在 LINEX 非对称损失下构造最优估计和预测，并评价常用方法的风险？
- 方法与思路
- 作者针对若干常见模型推导最优估计量、预测量及其风险和贝叶斯风险，并构造替代估计量进行一致风险比较。
- 材料陈述的贡献
- 摘要称在该非对称损失下，样本均值和某些最小二乘系数估计存在一致风险更低的替代方法，因此具有不可容许性。
- 阅读关注点
- 应核对损失函数的非对称参数、各模型和先验设定，以及最优性与一致风险支配结论各自适用的参数范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；风险优势限定于所用损失和模型，不能推断平方损失或一般预测中的优势及刊本变化。
原文摘要
Estimators and predictors that are optimal relative to Varian's asymmetric LINEX loss function are derived for a number of well-known models. Their risk functions and Bayes risks are derived and compared with those of usual estimators and predictors. It is shown that some usual estimators, for example, a scalar sample mean or a scalar least squares regression coefficient estimator, are inadmissible relative to asymmetric LINEX loss by providing alternative estimators that dominate them uniformly in terms of risk.