Estimation in the General Linear Model when the Accuracy is Specified Before Data Collection
采集数据前指定精度的一般线性模型估计AI 解读 ↓
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。
AI 根据所提供的论文材料归类:摘要研究一般线性模型的序贯精度控制,未提供面板、因果识别或其他所列计量领域细分的直接依据。
采集数据前指定精度的一般线性模型估计AI 解读 ↓
正在核对关联版本…
正在核对对应版本的资源…
An estimator $\hat{\beta}$ of $\beta$ is accurate with accuracy $A$ and confidence $\gamma, 0 < \gamma < 1,$ if $P(\hat{\beta} - \beta \in A) \geq \gamma$ for all $\beta.$ Given a sequence $Y_1, Y_2, \cdots$ of independent vector-valued homoscedastic normally-distributed random variables generated via the general linear model $Y_i = X_i\beta + \varepsilon,$ the $k$-dimensional parameter $\beta$ is accurately estimated using a sequential version of the maximum probability estimator developed by L. Weiss and J. Wolfowitz. The procedure given also generalizes C. Stein's fixed-width confidence sets to several dimensions.