Minimax Estimation of Location Vectors for a Wide Class of Densities
广泛密度类下位置向量的极小极大估计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：摘要讨论一般位置参数的决策理论，未提供所列计量细分方向的直接依据。
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
广泛密度类下位置向量的极小极大估计
- 研究问题
- 对于维数至少为三、具有给定密度结构的多元位置模型，哪些估计量在已知二次损失下具有极小极大性质？
- 方法与思路
- 作者分别考虑密度生成函数完全单调，或经指数加权后满足指定单调性与非零条件的情况，构造极小极大估计量类。
- 材料陈述的贡献
- 摘要称，在已知正定矩阵及二次损失下，对满足两类函数条件的密度族找到了位置向量的极小极大估计量类。
- 阅读关注点
- 应核对密度表达式及矩阵记号、两类函数条件的准确含义、估计量形式，以及风险控制与极小极大性的证明。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；矩阵符号有提取异常，需查原 PDF，不能重构公式。摘要未说明估计量形式或严格风险改进。
原文摘要
Assume $X = (X_1,\cdots, X_p)^t$ has a $p$-variate density, with respect to Lebesgue measure, of the form $f((x - \theta)^t\not\sum^{-1}(x - \theta))$. Here $\not\sum$ is a known positive definite $p \times p$ matrix and $p \geqq 3$. Assume either (i) $f$ is completely monotonic, or (ii) there exist $\alpha > 0$ and $K > 0$ for which $h(s) = f(s)e^{\alpha s}$ is nondecreasing and nonzero if $s > K$. Then for estimating $\theta$ under a known quadratic loss, classes of minimax estimators are found.