Asymptotic Theory of Sequential Estimation: Differential Geometrical Approach
序贯估计的渐近理论：微分几何方法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：摘要研究指数族中的一般序贯估计理论，没有足够证据对应所列经济计量细分方向。
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…
序贯估计的渐近理论：微分几何方法
- 研究问题
- 当观测持续至样本满足预定停止准则时，如何刻画序贯估计的高阶渐近性质，并设计兼顾效率与协方差稳定性的程序？
- 方法与思路
- 作者在多维弯曲指数族的几何框架中研究序贯估计，通过高阶渐近分析建立设计原则，并讨论协方差稳定化的实现。
- 材料陈述的贡献
- 摘要称，该理论给出二阶有效序贯估计的设计原则，并表明可以同时设计出具有协方差稳定化作用的序贯程序。
- 阅读关注点
- 应核对停止准则、二阶效率的定义与比较基准，以及协方差稳定化的适用条件；尤其需明确平均优势对应的评价指标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体正则条件和设计形式未说明，不能将所述平均优势推广为普遍优势或推断刊本变化。
原文摘要
Sequential estimation continues observations until the observed sample satisfies a prescribed criterion. Its properties are superior on the average to those of nonsequential estimation in which the number of observations is fixed a priori. A higher-order asymptotic theory of sequential estimation is given in the framework of geometry of multidimensional curved exponential families. This gives a design principle of the second-order efficient sequential estimation procedure. It is also shown that a sequential estimation can be designed to have a covariance stabilizing effect at the same time.