Simultaneous Estimation in Discrete Multivariate Exponential Families
离散多元指数族中的同时估计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：摘要讨论离散指数族的决策理论；离散分布本身不足以归为离散选择。
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
离散多元指数族中的同时估计
- 研究问题
- 离散多元指数族中，多个参数的同时估计在不同加权平方损失下能否改进常用估计量，其可容许性如何变化？
- 方法与思路
- 作者针对一族参数加权的平方损失构造改进估计量，并在普通平方损失下研究若干离散分布中估计量的可容许性。
- 材料陈述的贡献
- 摘要称，整数损失参数至少为一时可构造改进估计量；普通平方损失下，部分分布中的常用估计量属于可容许类。
- 阅读关注点
- 应核对分布支持、参数空间及损失权重条件，明确改进对象、观测值较大的含义，以及可容许性覆盖哪些分布。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出改进估计量和适用分布清单，不能声称所有离散模型均可改进。
原文摘要
Let $X$ have a discrete density of the form $f(x) = t(x)\xi(\theta)\theta^{x_1}_1 \cdots \theta^{x_p}_p$, where $t(x)$ is nonzero on some infinite subset of $Z^p$. Consider simultaneous estimation of the $\theta_i$ under the loss $\mathscr{L}_m(\theta, \delta) = \sum^p_{i = 1} \theta^{-m}_i(\theta_i - \delta_i)^2, m \geq 0$. For integers $m \geq 1$, estimators are found which improve on the maximum likelihood estimator or uniformly minimum variance unbiased estimator. The improved estimators are distinguished by the property that they do not depend on $m$ for "large values" of the observed vector. On the other hand, we prove admissibility of a class of estimators, including the MLE and UMVUE, for some discrete densities of the indicated form under squared error loss $(m = 0)$.