Estimation of Normal Means: Frequentist Estimation of Loss
正态均值估计：损失的频率学派估计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：摘要讨论正态均值与损失估计的一般统计决策理论，未指向所列经济计量领域细分。
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
正态均值估计：损失的频率学派估计
- 研究问题
- 在协方差为单位矩阵的多元正态均值估计中，如何为 Stein 型估计量报告随数据变化、具有频率学派有效性的损失？
- 方法与思路
- 作者研究数据依赖的损失估计量，要求其在某种评分规则下有所改进并满足一种频率学派有效性，再考察若干 Stein 型估计量。
- 材料陈述的贡献
- 摘要称为若干重要的 Stein 型估计量找到满足上述性质的损失估计，其中一个广义贝叶斯例子的损失估计等于后验期望损失。
- 阅读关注点
- 应核对评分规则、频率学派有效性的精确定义，以及哪些均值估计量适用、后验期望损失与频率学派性质如何联系。
- 阅读边界
- 所给为版本未注明的 OpenAlex 摘要；评分规则与有效性条件未展开，不能据此认为所有贝叶斯损失报告均有效。
原文摘要
In estimation of a $p$-variate normal mean with identity covariance matrix, Stein-type estimators can offer significant gains over the $\operatorname{mle}$ in terms of risk with respect to sum of squares error loss. Their maximum risk is still equal to $p$, however, which will typically be their "reported loss." In this paper we consider use of data-dependent "loss estimators." Two conditions that are attractive for such a loss estimator are that it be an improved loss estimator under some scoring rule and that it have a type of frequentist validity. Loss estimators with these properties are found for several of the most important Stein-type estimators. One such estimator is a generalized Bayes estimator, and the corresponding loss estimator is its posterior expected loss. Thus Bayesians and frequentists can potentially agree on the analysis of this problem.