Sequential Estimation of a Truncation Parameter
截断参数的序贯估计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：摘要讨论序贯抽样与贝叶斯决策的一般理论，没有对应所列微观、宏观或金融细分领域的明确应用。
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
截断参数的序贯估计
- 研究问题
- 在逐次获取观测且需要支付采样成本时，如何估计均匀分布的上界参数，并控制相对于贝叶斯最优方案的风险？
- 方法与思路
- 作者在平方误差加线性成本、Pareto先验的设定下分析简单启发式程序，并将结果扩展到更多分布和先验。
- 材料陈述的贡献
- 摘要称，基准设定中该程序超过贝叶斯风险的部分不大于三次观测的成本，并将风险界扩展到更广的类别。
- 阅读关注点
- 应核对序贯程序与停止规则、采样成本的定义、风险界的证明条件，以及分布和先验扩展的具体范围。
- 阅读边界
- 依据版本未注明的OpenAlex索引摘要；扩展类别与具体规则未说明，不能把三次观测成本界推广到任意损失或先验。
原文摘要
Consider the problem of sequentially estimating the parameter θ of a uniform distribution on (0, θ). It is shown that if the loss is measured by squared error plus a linear cost function, and the prior on θ is given by a Pareto distribution, a simple heuristic procedure incurs an excess risk above the Bayes risk not greater than the cost of three observations. The result is extended to a wider class of distributions which includes the uniform and to a wide class of priors.