Asymptotic Efficiency of Minimum Variance Unbiased Estimators
最小方差无偏估计量的渐近效率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：摘要提供一般指数族估计理论，未出现所列领域细分的直接研究对象。
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
最小方差无偏估计量的渐近效率
- 研究问题
- 在正则多维指数族中，何种分布条件可使最小方差无偏估计量与最大似然估计量渐近等价，从而获得渐近效率？
- 方法与思路
- 作者考虑格点分布，或具有某个有限次卷积存在有界密度的分布成分的情形，并研究可无偏估计的参数函数。
- 材料陈述的贡献
- 摘要称，在所述条件下最小方差无偏估计与最大似然估计渐近等价且有效，并以例子说明需要类似的分布条件。
- 阅读关注点
- 应核对指数族正则性、卷积密度条件及渐近等价的确切含义，并查明反例如何说明相关条件不能简单省略。
- 阅读边界
- 仅据OpenAlex索引摘要，版本未注明；结论有明确模型和分布限制，不能外推至任意无偏估计或解释为有限样本效率保证。
原文摘要
Consider a regular $p$-dimensional exponential family such that either the distributions are concentrated on a lattice or they have a component whose $k$-fold convolution has a bounded density with respect to Lebesgue measure. Then, if a parametric function has an unbiased estimator, the minimum variance unbiased estimators are asymptotically equivalent to the maximum likelihood estimators; and, hence, are asymptotically efficient. Examples are given to show that a condition like the above is needed to obtain the asymptotic equivalence.