Unbiased estimation of secondary parameters following a sequential test
序贯检验后次要参数的无偏估计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：摘要属于序贯分析与一般参数估计，没有提供所列经济计量细分领域的直接文本依据。
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…
关注这篇论文的作者
序贯检验后次要参数的无偏估计
- 研究问题
- 在布朗运动框架下，序贯检验结束后如何估计次要参数，并消除相关最大似然估计的偏差，而不仅是减小偏差？
- 方法与思路
- 作者在布朗运动框架中研究序贯检验后的次要参数估计，并提出无偏估计量；摘要未说明其构造公式或计算步骤。
- 材料陈述的贡献
- 摘要称相较于已有减少最大似然估计偏差的方法，本文给出能够消除偏差的无偏估计量；未提供方差或效率比较。
- 阅读关注点
- 应核对次要参数的定义、停止规则及无偏性的概率口径，以及估计量存在性、可计算性和无偏带来的方差代价。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明且内容很短；停止机制、估计量形式与适用条件均未说明，不能推广到任意序贯设计。
原文摘要
We consider, within a Brownian motion framework, estimation of secondary parameters following a sequential test. Whitehead (1986b) proposed a method for reducing the bias of maximum likelihood estimators. In this paper we present unbiased estimators to eliminate the bias.