From the Species Problem to a General Coverage Problem via a New Interpretation
通过新解释从物种问题推广到一般覆盖问题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：摘要中的覆盖是物种、体积与空间覆盖估计问题，没有所列经济计量细分方向的直接证据。
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
通过新解释从物种问题推广到一般覆盖问题
- 研究问题
- 如何解释物种问题中 Turing–Good–Robbins 估计量的偏差，并将减偏思路推广到更一般的覆盖估计问题及条件情形？
- 方法与思路
- 作者提出一种基本解释来重述物种问题，据此构造估计量并应用迭代减偏程序，再推广至凸集体积、导弹覆盖及条件情形。
- 材料陈述的贡献
- 摘要称，新解释说明了所讨论估计量的偏差来源，产生偏差降低的新估计量，并建立以物种问题为特例的一般覆盖框架。
- 阅读关注点
- 应核对覆盖目标与抽样机制、偏差解释的适用条件、迭代程序如何实施，以及减偏是否伴随方差或均方误差的变化。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明迭代收敛条件和风险比较，降低偏差不能直接解释为整体估计性能改善。
原文摘要
A basic interpretation is given which provides a new way of understanding the structure of the species problem and which leads to the popular Turing-Good-Robbins estimator. Through this interpretation we provide an explanation why the Turing-Good-Robbins estimators are always biased. An iterative procedure is suggested and applied to these estimators, which leads to new estimators whose biases are reduced. Using this basic construction we are able to generalize our discussion to a much broader class of coverage problems with the species problem as a special case. Three examples are studied in detail: the species problem, the problem of estimating the volume of a convex set and the missile-coverage problem. Furthermore, we derive general (new) estimators and study their properties by applying the interpretation to the framework of the general coverage problem. It is pointed out that, as in species problem, the general estimators derived from the interpretation are usually biased, we then apply our construction together with the iterative procedure to the previous three examples to produce new estimators whose biases are reduced. Finally, we extend our construction to the conditional cases.