Minimax Estimation of a Cumulative Distribution Function
累积分布函数的极小极大估计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：摘要属于通用分布函数估计理论，未涉及经济分布效应或所列其他细分方向。
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
累积分布函数的极小极大估计
- 研究问题
- 研究未知累积分布函数不受分布形状限制时，四类损失函数下的极小极大估计是什么，以及经验分布函数何时具有该性质。
- 方法与思路
- 作者针对四类损失函数推导累积分布函数的极小极大估计，并考察估计是否依赖损失定义中的权重函数。
- 材料陈述的贡献
- 摘要称，所得估计不依赖损失中的权重函数，且无需限制未知分布函数；经验分布函数在其中一类损失下具有极小极大性。
- 阅读关注点
- 应核对四类损失及允许权重的定义、极小极大风险的比较范围，以及经验分布函数结论究竟对应哪一类损失。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；损失函数、抽样条件与风险值未提供，不能认为经验分布函数在所有损失下均最优。
原文摘要
In this paper the minimax estimators of a cumulative distribution function $F$ is obtained for four types of loss functions. The result is quite general in that no restrictions are imposed on the unknown $F$. Moreover, the estimates do not depend upon the weight function used in the definition of the loss functions. It is also shown that the sample distribution function is minimax under one of these types of loss functions.