限制参数空间的统一极小极大结果

@第{2012年3月AUM,title={受限参数空间的统一极大极小结果},author={'Eric Marchand和William E.Strawderman},日志={伯努利},年份={2012},体积={18},页数={635-643},网址={https://api.semanticscholar.org/CorpusID:88511725}}
我们提供了一个发展,统一、简化并大大扩展了限制参数空间文献中的许多极大极小结果。以下是各种应用,例如在下限(或上限)限制下估计位置或比例参数、限制为多面体锥的位置参数向量、受限制比率或乘积影响的比例参数、受限制位置参数的线性组合、,有界于区间的位置参数

询问这篇论文
AI供电

限制和非限制尺度参数矩阵估计的极小极大性

在估计正态协方差矩阵时,寻找最不利的先验分布序列一直是一个悬而未决的问题。本文解决了经典问题和

位置标度分布族的下限标度参数的Minimax估计

摘要本文研究密度族为位置尺度型的二次损失函数下尺度参数的极大极小估计。我们获得了

截断圆参数估计量的改进方法

利用流形上的凸性、投影等给出了圆参数估计不可容许的充分条件,并导出了等变估计的一个完备类定理。

不确定约束下正态均值的Bayes极小极大估计†

摘要我们描述了一种层次贝叶斯方法,用于推断α为不确定α的参数θ下限,导出了关于的后验分析的一些基本恒等式,并提供了

有序约束均值下两个正态总体的共同方差和精度的Minimax估计

考虑两个具有共同方差和有序均值的独立正态总体。对于这个模型,我们研究了关于

有序约束均值下两个正态总体的共同方差和精度的Minimax估计

考虑两个具有共同方差和有序均值的独立正态总体。对于这个模型,我们研究了关于

结构变化多元回归模型中的一类Stein‐rules

在本文中,我们考虑了具有未知变化点的多元回归模型中回归系数矩阵的估计问题。更准确地说,我们考虑以下情况

参数约束下改进的预测密度估计

当参数空间被约束为凸集时,我们考虑了Kullback-Leibler损失(KL损失)下正态模型的预测密度估计问题。更具体地说,我们假设

限制参数估计中的极小极大性

本文从决策理论的角度研究了位置和/或尺度族中限制参数的估计。提供了一种简单的方法来表示

限制参数空间中的估计:综述

在这篇关于限制参数空间中的估计问题的综述中,我们通过一系列插图集中讨论了一些已经证明是成功的方法。这些方法与

约束于区间或半区间的位置参数最小风险等变估计的改进

对于密度为f0(x-θ)的位置族,我们研究了在形式θ≥a的下限约束下,位置不变损失L(θ,d)=ρ(d-θ。我们显示,这相当

限制参数空间估计问题:可容许性和极小极大性

简介:一些历史和一些例子问题陈述、符号和一些定义(In)可接受性和支配者极小极大估计及其可容许性存在

绝对连续情况下位置参数的估计

0.总结。在过去的十年中,已有许多论文涉及位置参数的平移不变估计的可容许性。布莱斯[2]治疗的序贯程序

受限位置参数线性组合的极大极小估计

从决策理论的角度讨论了几个受限位置参数的线性组合的估计。线性组合的基准估计是无偏的

变异系数有界的正态分布均值的估计

在变异系数在有界区间内的约束下,研究了方差未知的正态分布均值的估计问题。论文构建了一个