Sequential Estimation Through Estimating Equations in the Nuisance Parameter Case
存在干扰参数时基于估计方程的序贯估计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：摘要研究含干扰参数的通用序贯估计，随机变量序列本身不足以归入时间序列领域。
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
存在干扰参数时基于估计方程的序贯估计
- 研究问题
- 当样本量由停止规则随机决定且模型含干扰参数时，如何选择目标参数的最优估计方程，并以信息量讨论停止准则？
- 方法与思路
- 作者以随机样本量下的估计方程求解目标参数，研究最优估计规则，并用Bhapkar的估计方程信息概念讨论停止条件。
- 材料陈述的贡献
- 摘要称获得最优估计规则，特别给出最大条件似然估计规则具有最优性的充分条件，并将信息概念用于停止准则分析。
- 阅读关注点
- 应核对最优性的评价准则、条件似然对干扰参数的处理，以及信息量定义与随机停止规则所需的具体条件。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要。摘要未说明充分条件、最优性准则或停止规则，不能据此给出通用序贯实施方案。
原文摘要
Let $(X_1, X_2, \cdots)$ be a sequence of random variables and let the p.d.f. of $\mathbf{X}_n = (X_1, \cdots, X_n)$ be $p(\mathbf{x}_n, \theta)$, where $\theta = (\theta_1, \theta_2)$. An estimating equation rule for $\theta_1$ is a sequence of functions $g(x_1, \theta_1), g(x_1, x_2, \theta_1), \cdots$. If the random sample size $N = n$, we estimate $\theta_1$ through the estimating equation $g(\mathbf{X}_n, \theta_1) = 0$. In this paper, optimum estimation rules are obtained and, in particular, sufficient conditions for the optimality of the maximum conditional likelihood estimation rule are given. In addition, Bhapkar's concept of information in an estimating equation is used to discuss stopping criteria.