Modulation of estimators and confidence sets
估计量与置信集的自适应调节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：摘要研究白噪声信号模型下的通用估计与置信集，没有宏观时间序列或经济预测的明确证据。
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
估计量与置信集的自适应调节
- 研究问题
- 在离散时点观测未知信号加白噪声时，如何从大型线性估计量类中自适应选取估计量，并构造覆盖可靠且风险较小的置信集？
- 方法与思路
- 作者先作正交变换，再在凸线性估计量类中最小化估计二次风险，以自适应方式衰减变换系数，得到非线性选择估计量。
- 材料陈述的贡献
- 摘要称在统一熵条件下，估计量对某些椭球参数空间具有Pinsker意义的渐近极小极大性质，并构造渐近覆盖正确的置信集。
- 阅读关注点
- 应核对候选类的统一熵条件、椭球参数空间范围、风险估计及算法，并区分点估计的极小极大性质与置信集的覆盖和集合风险。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要，无法判断有限样本覆盖或对任意信号的有效性；离散时点观测不等于宏观时间序列应用。
原文摘要
An unknown signal plus white noise is observed at $n$ discrete time points. Within a large convex class of linear estimators of $\xi$, we choose the estimator $\hat{\xi}$ that minimizes estimated quadratic risk. By construction, $\hat{\xi}$ is nonlinear. This estimation is done after orthogonal transformation of the data to a reasonable coordinate system. The procedure adaptively tapers the coefficients of the transformed data. If the class of candidate estimators satisfies a uniform entropy condition, then $\hat{\xi}$ is asymptotically minimax in Pinsker’s sense over certain ellipsoids in the parameter space and shares one such asymptotic minimax property with the James–Stein estimator. We describe computational algorithms for $\hat{\xi}$ and construct confidence sets for the unknown signal. These confidence sets are centered at $\hat{\xi}$, have correct asymptotic coverage probability and have relatively small risk as set-valued estimators of $\xi$.