Simultaneous Estimation of the Means of Independent Poisson Laws
独立泊松总体均值的同时估计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：摘要讨论泊松均值的通用决策理论与同时估计，未涉及指定应用细分领域。
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
独立泊松总体均值的同时估计
- 研究问题
- 在多个泊松总体分别提供独立样本时，如何同时估计其均值，并改善以各样本均值分别估计的总风险？
- 方法与思路
- 作者以各分量标准化平方误差损失之和为总损失，推导同时估计程序，并通过数值与渐近分析比较样本均值程序。
- 材料陈述的贡献
- 摘要称所提程序具有极小极大、广义贝叶斯及相对较大类的可容许性，并在指定损失下优于分别使用样本均值。
- 阅读关注点
- 核对标准化损失的定义、估计程序形式、风险优势的参数范围，以及可容许性涉及的程序类别与渐近比较条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；优势依赖所述损失与模型，具体风险结果、数值及刊本变化均未提供。
原文摘要
A procedure is derived for simultaneously estimating the means of Poisson populations using independent samples. The total loss is the sum of component, standardized squared error losses. The derived procedure is minimax, generalized Bayes, admissible relative to a large class, and better than using the sample means as estimators of the corresponding population means. The latter procedure is compared with the derived procedure, both numerically and asymptotically.