数学 > 统计理论
[提交于 2025年10月15日
]
标题: 一种广义的完备性概念及其应用
标题: A Generalized Notion of Completeness and Its Application
摘要: 从数据约减的角度来看,最小充分统计量和完全统计量的概念共同在确定最优统计量(估计量)中起着重要作用。 经典充分性和完全性的概念在基于不同散度的鲁棒估计中并不充分。 最近,文献中引入了基于广义似然函数的广义充分性概念。 需要注意的是,仅凭充分性的概念不一定能产生最优统计量(估计量)。 因此,与广义充分性相一致,我们引入了相对于广义似然函数的广义完全性概念。 我们随后描述了具有相对于与密度幂散度(DPD)相关的广义似然函数的完全性的概率分布族。 此外,我们证明了与对数密度幂散度(LDPD)相关的分布族是不完全的。 进一步地,我们将Lehmann-Scheffé定理和Basu定理扩展到广义似然估计中。 随后,我们得到了$\mathcal{B^{(\alpha)}}$族的广义一致最小方差无偏估计量(UMVUE)。 进一步地,我们推导了一个渐近期望缺陷(AED)的公式,该公式用于比较最小密度幂散度估计量(MDPDE)和$\mathcal{B^{(\alpha)}}$族的广义UMVUE之间的性能。 最后,我们提供了所开发结果在应力-强度可靠性模型中的应用。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.