A Heuristic Method for Determining Admissibility of Estimators--With Applications
判断估计量可容许性的启发式方法及其应用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：摘要研究一般统计决策中的可容许性与广义贝叶斯程序，未提供所列经济计量细分领域的依据。
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
判断估计量可容许性的启发式方法及其应用
- 研究问题
- 能否通过涉及分布矩的微分不等式研究估计量的可容许性，并为广义贝叶斯程序形成可检验的猜想？
- 方法与思路
- 作者把可容许性问题转化为微分不等式，在必要时变换具体估计问题，并逐项检查启发式展开的误差。
- 材料陈述的贡献
- 摘要提出一套生成可容许性猜想的方法及可能控制误差的结构条件，并将其应用于若干不同的统计估计问题。
- 阅读关注点
- 应核对微分不等式与风险比较的联系、误差项的逐例控制，以及哪些结论属于严格证明、哪些仍是猜想。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；作者明确将方法称为启发式，结构条件的保障带有推测性，不能写成已证明的通用判据。
原文摘要
Questions of admissibility of statistical estimators are reduced to considerations involving differential inequalities. The coefficients of these inequalities involve moments of the underlying distributions; and so are, in principle, not difficult to derive. The methods are "heuristic" because it is necessary to verify on an ad-hoc basis that error terms are small. Some conditions on the structure of the problem are given which we believe will guarantee that these error terms are small. Several different statistical estimation problems are discussed. Each problem is transformed (if necessary) so as to meet the above mentioned structure conditions. Then the heuristic method is applied in order to generate conjectures concerning the admissibility of certain generalized Bayes procedures in these problems.