Minimax Estimation of Location Parameters for Spherically Symmetric Distributions with Concave Loss
凹损失下球对称分布位置参数的极小极大估计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估计与统计决策风险，没有足够证据对应所列经济计量应用方向。
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…
凹损失下球对称分布位置参数的极小极大估计
- 研究问题
- 在球对称分布及二次损失的非减凹函数下，能否构造风险低于常用位置估计量的极小极大估计程序？
- 方法与思路
- 作者在维度至少为四的单次观测情形寻找改进估计量，并进一步研究多次观测下的一类极小极大估计程序。
- 材料陈述的贡献
- 摘要称单次观测时可改进最佳不变估计量，多次观测时存在优于若干常用程序的估计量类，具体条件未展开。
- 阅读关注点
- 应核对球对称分布的限制、凹损失的条件、风险比较的参数范围，以及多次观测结果是否需要额外假设。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，不能把风险改进推广至任意维度、分布或损失，也无法核验具体证明。
原文摘要
For $p \geqslant 4$ and one observation $X$ on a $p$-dimensional spherically symmetric distribution, minimax estimators of $\theta$ whose risks are smaller than the risk of $X$ (the best invariant estimator) are found when the loss is a nondecreasing concave function of quadratic loss. For $n$ observations $X_1, X_2, \cdots, X_n$, we have classes of minimax estimators which are better than the usual procedures, such as the best invariant estimator, $\bar{X}$, or a maximum likelihood estimator.