An Ancillarity Paradox in the Estimation of Multinomial Probabilities
多项分布概率估计中的辅助性悖论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：摘要讨论多项概率估计的辅助性与决策理论，未明确涉及所列应用细分方向。
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…
关注这篇论文的作者
多项分布概率估计中的辅助性悖论
- 研究问题
- 当多项分布的样本量被视为辅助统计量时，固定样本量下的极小极大估计为何可能随损失函数不同而改变最优性质？
- 方法与思路
- 作者分别考察平方误差与相对平方误差损失下的极小极大性质，围绕固定样本量估计和辅助统计量建立决策理论比较。
- 材料陈述的贡献
- 摘要称，固定样本量下的极小极大估计在平方误差比较中不再极小极大，而在相对平方误差比较中仍保留该性质。
- 阅读关注点
- 应重点核对辅助样本量的处理方式、条件与无条件风险的区别、两种损失函数定义，以及摘要中极小极大比较的具体设置。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未交代样本量分布与完整风险设置，悖论的精确逻辑需由全文澄清。
原文摘要
Let X be a multinomial (n, p) variable, where n is an ancillary statistic. In Section 2, it is shown that the minimax estimator of p for fixed sample size n is not minimax for squared error loss. In Section 3, it is shown that the minimax estimator of p for fixed sample size n is still minimax for relative squared error loss.