The convergence of Bhattacharyya bounds
Bhattacharyya 界的收敛性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：摘要属于无偏估计方差界的一般统计理论，未指向所列微观、宏观或金融计量细分方向。
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
Bhattacharyya 界的收敛性
- 研究问题
- 在指数族抽样分布下，对参数函数进行无偏估计时，Bhattacharyya 方差界能否收敛到最优无偏估计量的方差。
- 方法与思路
- 作者研究指数族中的 Bhattacharyya 界序列，并以负二项分布和可靠性分析中的指数分布为例说明方差计算。
- 材料陈述的贡献
- 摘要称这些界收敛到最优无偏估计量的方差，并通过两个分布背景的例子展示该收敛结果在确定方差中的用途。
- 阅读关注点
- 应核对参数函数和指数族的具体条件、最优无偏估计量的定义，以及界序列的构造、收敛证明和例子的适用范围。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；具体存在性条件、收敛速度和计算细节未说明，不能推断刊本变化。
原文摘要
Bhattacharyya bounds are considered for the unbiased estimation of a parametric function when the sampling distribution is a member of an exponential family of distributions. It is shown that the Bhattacharyya bounds converge to the variance of the best unbiased estimator. The application of this result to variance determination in demonstrated with examples from the negative binomial distribution and from the exponential distribution in a reliability theory context.