Minimax Estimation of a Normal Mean Vector for Arbitrary Quadratic Loss and Unknown Covariance Matrix
未知协方差与任意二次损失下正态均值向量的极小极大估计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：摘要讨论多元正态均值估计的一般决策理论，未知协方差并不构成金融波动率或风险领域的分类依据。
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…
未知协方差与任意二次损失下正态均值向量的极小极大估计
- 研究问题
- 在多元正态分布的协方差矩阵未知时，能否针对已知权重矩阵定义的二次损失，构造优于通常均值估计的规则？
- 方法与思路
- 作者利用正态观测及与其独立的 Wishart 随机矩阵，研究一类带正调节常数的均值向量收缩估计量。
- 材料陈述的贡献
- 摘要称调节常数取适当值时，所研究估计量具有极小极大性质，并在指定损失下优于直接使用观测向量。
- 阅读关注点
- 应核对调节常数的允许范围、维度和 Wishart 参数条件，以及风险改进与极小极大结论所使用的损失定义。
- 阅读边界
- 索引摘要版本未注明，公式中协方差符号存在异常，需查阅原 PDF 核对；不能重构公式或将优势推广至其他损失。
原文摘要
Let $X$ be an observation from a $p$-variate normal distribution $(p \geqq 3)$ with mean vector $\theta$ and unknown positive definite covariance matrix $\not\Sigma$. It is desired to estimate $\theta$ under the quadratic loss $L(\delta, \theta, \not\Sigma) = (\delta - \theta)^tQ(\delta - \theta)/\operatorname{tr} (Q\not\Sigma)$, where $Q$ is a known positive definite matrix. Estimators of the following form are considered: $\delta^c(X, W) = (I - c\alpha Q^{-1}W^{-1}/(X^tW^{-1}X))X,$ where $W$ is a $p \times p$ random matrix with a Wishart $(\not\Sigma, n)$ distribution (independent of $X$), $\alpha$ is the minimum characteristic root of $(QW)/(n - p - 1)$ and $c$ is a positive constant. For appropriate values of $c, \delta^c$ is shown to be minimax and better than the usual estimator $\delta^0(X) = X$.