A Complete Class Theorem for Estimating a Noncentrality Parameter
非中心参数估计的完全类定理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：摘要研究统计决策理论与非中心参数估计，未指向所列经济或金融应用方向。
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
非中心参数估计的完全类定理
- 研究问题
- 在平方误差损失下，如何刻画非中心卡方与非中心 F 分布中非中心参数估计的可容许规则及其完全类？
- 方法与思路
- 作者建立完全类定理，在一项摘要未具体说明的假设下，把可容许估计量与广义 Bayes 规则联系起来。
- 材料陈述的贡献
- 摘要称任何可容许估计量都必须是广义 Bayes 规则，并利用该结果证明一致最小方差无偏估计量的正部不可容许。
- 阅读关注点
- 应核对所谓较弱假设的准确内容、广义 Bayes 规则的构造，以及正部估计量不可容许结论的证明范围。
- 阅读边界
- 依据版本未注明的索引摘要；摘要未给出定理条件、支配估计量或风险比较，不能据此确定具体改进方案。
原文摘要
In statistical decision theory, an important question is to characterize the admissible rules. In this paper, we establish complete class theorems for estimating the noncentrality parameter of noncentral chi-square and noncentral $F$ distributions under squared error loss. Under a minor assumption, any admissible estimator must be a generalized Bayes rule. Using this result, we prove that the positive part of the UMVUE is inadmissible.