A constrained risk inequality with applications to nonparametric functional estimation
约束风险不等式及其在非参数泛函估计中的应用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：摘要提供一般决策理论与非参数估计结果，未涉及所列因果、面板、时间序列或金融应用方向。
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
约束风险不等式及其在非参数泛函估计中的应用
- 研究问题
- 当估计量在一个参数点的风险受到上界约束时，另一参数点的风险最低能达到多少，这对超效率与自适应估计有何含义？
- 方法与思路
- 作者针对两个密度建立一般的约束最小风险不等式，再将其用于正态位置模型的超效率问题和非参数泛函自适应估计。
- 材料陈述的贡献
- 摘要称，该不等式把一个参数点的风险上界与另一点的风险下界联系起来，并为超效率及自适应估计问题提供新的解释。
- 阅读关注点
- 应核对风险所对应的损失函数、密度之间的比较量及下界成立条件，并查看两个应用中约束风险如何转化为估计限制。
- 阅读边界
- 索引摘要未注明稿件版本，也未给出不等式形式、紧致性或具体自适应边界，不能据此判断其适用于哪些损失与模型。
原文摘要
A general constrained minimum risk inequality is derived. Given two densities $f_{\theta}$ and $f_0$ we find a lower bound for the risk at the point $\theta$ given an upper bound for the risk at the point 0. The inequality sheds new light on superefficient estimators in the normal location problem and also on an adaptive estimation problem arising in nonparametric functional estimation.