Rao-Blackwellized e-variables
Rao-Blackwell 化的 e-变量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 e-变量、充分统计量与凹效用下的期望效用，属于统计推断与假设检验的理论主题，未涉及所给微观、宏观或金融领域细分的具体内容。
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
Rao-Blackwell 化的 e-变量
- 研究问题
- 研究在给定充分统计量后对 e-变量做条件化，能否像经典 Rao-Blackwell 定理那样提升其期望效用，以及这一性质有哪些应用。
- 方法与思路
- 作者提出对任意凹效用函数，条件化于充分统计量后 e-变量的期望效用只会增加；最简形式用 Jensen 不等式给出直接证明，并进一步证明更复杂的版本。
- 材料陈述的贡献
- 摘要称建立了 e-变量版本的 Rao-Blackwell 型结果，并给出若干应用，其中包括线性回归模型中检验方差的对数最优 e-变量的推导。
- 阅读关注点
- 应核对充分统计量的定义与条件化方式、凹效用与 e-变量期望效用的具体设定、Jensen 不等式证明的适用范围，以及更复杂版本所需附加条件；并核对线性回归方差检验中对数最优 e-变量的推导细节。
- 阅读边界
- 仅依据摘要，无法判断定理的完整假设、证明细节与应用的数值表现；摘要未说明是否包含模拟或实证结果。该文为 online-first 状态，摘要未说明同行评审与最终卷期信息。
原文摘要
Summary We show that for any concave utility, the expected utility of an e-variable can only increase after conditioning on a sufficient statistic, echoing the classic Rao-Blackwell theorem. The simplest form of the result has a straightforward proof using Jensen’s inequality, but we prove more sophisticated versions. We provide several applications of this insight, including a derivation of the log-optimal e-variable for testing the variance in a linear regression model.