Convex Loss Applied to Design in Regression Problems
凸损失在回归设计问题中的应用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：摘要研究通用回归最优设计，未涉及因果随机化设计或其他指定领域的具体问题。
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
凸损失在回归设计问题中的应用
- 研究问题
- 为估计一般线性回归参数的已知线性组合，如何同时选择观测点与估计量，使特定凸损失函数满足一致最小化准则？
- 方法与思路
- 作者以某些凸损失的一致最小化为主要最优性标准，联合研究有限个观测点的设计与估计，并进一步考察正态误差。
- 材料陈述的贡献
- 摘要称，论文获得三组主要结果，并补充正态误差下的结果；但未概述各组结果的内容或具体最优设计形式。
- 阅读关注点
- 应核对凸损失的类别、一致最小化的比较范围、设计与估计量的限制，以及一般误差结果与正态误差结果的区别。
- 阅读边界
- 仅依据所给 Crossref 摘要；损失函数、误差条件和主要结果未展开，不能据此断言某种设计在所有准则下最优。
原文摘要
Summary A general linear regression function is to be observed at n points in order to estimate a known linear combination of the unknown parameters. The n points and the estimator are to be optimum in some sense and in this paper the main criterion for optimality involves uniformly minimizing certain convex loss functions. Three main sets of results are obtained, followed by some further results for normally distributed errors.