Risk Estimate Optimality of James-Stein Estimators
James–Stein 估计量的风险估计最优性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：摘要讨论一般统计决策中的正态均值与二次风险，风险一词不构成金融风险分类依据。
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
James–Stein 估计量的风险估计最优性
- 研究问题
- 在多元正态均值估计中，如何刻画特定估计量类内的风险估计支配关系，并判断 James–Stein 类估计能否被支配？
- 方法与思路
- 作者利用一个微分不等式扩展已有支配结果，并在二次风险具有唯一无偏估计量的特定估计量类中寻找支配条件。
- 材料陈述的贡献
- 摘要称给出风险估计支配的充要条件，并据此说明该类中没有估计量能在风险估计意义下支配 James–Stein 或其截断形式。
- 阅读关注点
- 应核对估计量类的限制、风险估计支配的精确定义、微分不等式的作用，以及这一结论与通常风险支配的区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；结论限定于特定估计量类及风险估计意义，不能据此断言通常风险意义下的全局最优。
原文摘要
This note extends a result of Efron and Morris on domination of the maximum likelihood estimator for the mean of a multivariate normal distribution. We show that this result and our extension follow from a certain differential inequality. In a certain class of estimators having a unique unbiased estimator for the quadratic risk we find necessary and sufficient conditions for risk estimate dominance of a particular set of estimators. We show that, in the sense of risk estimates, these conditions imply that there are no estimators in this class which dominate the James-Stein or truncated James-Stein estimators.