On the Minimax Estimation of a Random Probability with Known First $N$ Moments
已知前 N 阶矩时随机概率的极小极大估计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：摘要研究二项模型下的一般决策理论，未涉及所列经济计量细分方向。
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
已知前 N 阶矩时随机概率的极小极大估计
- 研究问题
- 在给定随机成功概率后观测服从二项分布、且该概率前 N 阶矩已知时，贝叶斯风险与极小极大风险如何比较？
- 方法与思路
- 作者依据二项观测估计随机成功概率，在平方误差损失下，考察其可能分布范围内贝叶斯风险与极小极大风险的比值。
- 材料陈述的贡献
- 摘要称，当 N 趋于无穷时，两种风险的比值对随机概率的所有可能分布一致趋于一，从而验证所述 Robbins 猜想。
- 阅读关注点
- 应核对已知矩信息如何限定分布类、两种风险各自的定义，以及一致收敛的量词、估计规则和证明条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，无法确定极小极大问题的完整构造、收敛速度或有限 N 下的风险差距。
原文摘要
$X$ and $\Theta$ are random variables; for given $\Theta = \theta$, the conditional distribution of $X$ is binomial with parameters $N$ and $\theta$; the first $N$ moments of $\Theta$ are known. An estimate of $\Theta$ is made based on the observed value of $X$, the risk being defined in terms of squared error loss. It is shown that as conjectured by H. Robbins, the ratio of the Bayes risk to the minimax risk for all possible distributions of $\Theta$ uniformly tends to unity when $N \rightarrow \infty$.