Stochastic Reduction of Loss in Estimating Normal Means by Isotonic Regression
保序回归估计正态均值时损失的随机降低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：摘要研究有序正态均值的约束估计，不涉及分位数、分布效应或其他所列应用细分。
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
保序回归估计正态均值时损失的随机降低
- 研究问题
- 在独立正态变量的真实均值具有已知顺序时，保序回归是否能逐分量减少绝对误差，并改善相应损失下的估计表现？
- 方法与思路
- 作者比较保序回归估计与各分量原始观测的绝对误差，通过随机序关系分析在绝对误差非减损失下的表现。
- 材料陈述的贡献
- 摘要称保序估计各分量的绝对误差在随机意义上更小，因而在任何非恒定、随绝对误差非减的损失下优于通常估计。
- 阅读关注点
- 应核对正态变量方差的条件、保序回归的权重，以及随机序结论和损失比较的精确定义、边界情形与证明范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；方差与权重条件未说明，结论依赖真实均值有序，不能推广到任意依赖或错误排序数据。
原文摘要
Consider the problem of estimating the ordered means $\mu_1 \leq \mu_2 \leq \cdots \leq \mu_k$ of independent normal random variables, $Y_1, Y_2, \cdots, Y_k$. It is shown that the absolute error of each component $\hat{\mu}_i$ of the isotonic regression estimator is stochastically smaller than that of the usual estimator $Y_i$. Thus $\hat{\mu}_i$ is superior to $Y_i$ under any nonconstant loss which is a nondecreasing function of absolute error.