Efficient Sequential Estimation in Exponential-Type Processes
指数型随机过程中的有效序贯估计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：摘要研究一般随机过程的序贯估计与效率刻画，没有明确宏观时间序列或金融应用，故不按随机过程一词归类。
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
指数型随机过程中的有效序贯估计
- 研究问题
- 对于似然具有指数型结构的随机过程，什么停止时间能使序贯估计达到 Cramér–Rao 意义下的效率？
- 方法与思路
- 作者先证明随机时间变换后的过程具有平稳独立增量，再利用此类过程的有效序贯估计结果刻画停止时间。
- 材料陈述的贡献
- 摘要称，文章给出适当随机时间变换的刻画定理，并证明停止时间达到 Cramér–Rao 效率的充要条件。
- 阅读关注点
- 应核对指数型似然的具体过程类别、随机时间变换的构造，以及序贯情形下信息量与有效停止时间的定义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出过程条件、变换形式或有效停止规则，不能直接形成实施方案。
原文摘要
A class of random processes whose likelihood functions are of exponential type is considered. A necessary and sufficient condition for a stopping time to be efficient (in the Cramer-Rao sense) is proved. This result is obtained after proving a characterization theorem, which asserts that after a suitable random-time transformation such processes become processes with stationary independent increments, by applying the solution of the problem of efficient sequential estimation in the case of processes with stationary independent increments.