Location Estimators and Spread
位置估计量与分布的分散程度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：摘要属于位置估计与效率界的一般统计理论，未提供所列领域细分的直接依据。
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
位置估计量与分布的分散程度
- 研究问题
- 对于平移等变的位置估计量，其抽样分布的分散程度能否受到统一下界约束，这种约束与经典效率界有何联系？
- 方法与思路
- 作者在温和正则条件下，将平移等变估计量的分布与由样本量和独立同分布观测密度确定的特定分布进行比较。
- 材料陈述的贡献
- 摘要称，该分散不等式可导出或讨论 Cramér–Rao 不等式、渐近极小极大不等式，以及部分非正则情形中的最大似然效率。
- 阅读关注点
- 应核对分散程度的比较定义、参照分布的构造和正则条件，并检查各效率结论如何从不等式得到及其适用范围。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要，不能将分散比较直接等同于方差比较；具体非正则情形和效率结论的条件未说明。
原文摘要
In the location estimation problem, translation equivariant estimators are considered. It is shown that under a mild regularity condition the distribution of such estimators is more spread out than a particular distribution which is defined in terms of the sample size and the density of the i.i.d. observations. Some consequences of this so-called spread-inequality are discussed, namely the Cramer-Rao inequality, an asymptotic minimax inequality and the efficiency of the maximum likelihood estimator in some nonregular cases.