Constrained Minimax Estimation of the Mean of the Normal Distribution with Known Variance
已知方差正态分布均值的受约束极小极大估计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：摘要研究正态均值估计的统计决策理论，未给出所列应用或计量领域细分的依据。
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
已知方差正态分布均值的受约束极小极大估计
- 研究问题
- 在方差为一的正态均值估计中，给定先验分布的约束，最不利分布是否存在、如何计算，以及具有什么结构？
- 方法与思路
- 作者研究受约束先验集合中的最不利分布，利用某个偶数阶矩的上界讨论其存在性及正态或离散的结构特征。
- 材料陈述的贡献
- 摘要称，相关偶数阶矩有上界时最不利分布存在，其为正态或无支撑点聚点的离散分布，并刻画正态情形的条件。
- 阅读关注点
- 应核对损失函数、先验约束与矩条件的精确定义，以及最不利分布的计算方法和结论与 James–Stein 估计的联系。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要，无法还原完整约束或证明；与 James–Stein 估计的联系不能直接推广至任意设定。
原文摘要
In this paper we shall discuss the estimation of the mean of a normal distribution with variance 1. The main question in this work is the existence and computation of a least favorable distribution among all the prior distributions satisfying a given set of constraints. In the following we show that if this distribution is bounded from above on some even moment, then the least favorable distribution exists and it is either normal or discrete. The support of the discrete distribution function does not have any accumulation point. The least favorable distribution is normal if and only if the second moment is bounded from above, without any other relevant constraint. These theorems shed light on the James-Stein estimator as the minimax estimator for a prior with unknown bounded variance.