Efficient Estimation of Linear Functionals of a Probability Measure $P$ with Known Marginal Distributions
已知边际分布时概率测度线性泛函的有效估计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：摘要研究已知边际下的一般泛函有效估计，未涉及分布效应或其他所列计量细分方向。
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…
已知边际分布时概率测度线性泛函的有效估计
- 研究问题
- 对成对随机变量的独立同分布样本，如何利用两个已知边际分布有效估计联合分布下给定函数的期望？
- 方法与思路
- 作者对两个变量的取值空间分别分割，基于修正的最小卡方估计构造估计量，并用函数空间投影刻画渐近行为。
- 材料陈述的贡献
- 摘要提出利用已知边际信息的估计量，并称其渐近行为可由特定子空间投影或一对称为 ACE 的方程描述。
- 阅读关注点
- 应核对联合分布的正则条件、空间分割随样本量变化的要求、效率基准，以及投影与 ACE 方程的等价条件。
- 阅读边界
- 仅据版本未明的 OpenAlex 索引摘要；正则条件与效率界未展开，结论不能直接用于边际分布也需估计的情形。
原文摘要
Suppose that $P$ is the distribution of a pair of random variables $(X, Y)$ on a product space $\mathbb{X} \times \mathbb{Y}$ with known marginal distributions $P_X$ and $P_Y$. We study efficient estimation of functions $\theta(h) = \int h dP$ for fixed $h: \mathbb{X} \times \mathbb{Y} \rightarrow R$ under iid sampling of $(X, Y)$ pairs from $P$ and a regularity condition on $P$. Our proposed estimator is based on partitions of both $\mathbb{X}$ and $\mathbb{Y}$ and the modified minimum chi-square estimates of Deming and Stephan (1940). The asymptotic behavior of our estimator is governed by the projection on a certain sum subspace of $L_2(P)$, or equivalently by a pair of equations which we call the "ACE equations."