Weighted shrinkage estimators of normal mean matrices and dominance properties
Weighted shrinkage estimators of normal mean matrices and dominance properties
复制标题
正态平均矩阵和优势特性的加权收缩估计器
DOI：
10.1016/j.jmva.2022.105138
复制
发表时间：
2023
影响因子：
1.6
通讯作者：
Kubokawa Tatsuya
中科院分区：
文献类型：
--
作者：
Yuasa Ryota;Kubokawa Tatsuya
在多元正态分布中平均矩阵的估计中，Efron-Morris估计和James-Stein估计是两个著名的极小极大估计方法，前者是材料收缩，后者是标量收缩。讨论了用随机权函数组合两个估计量的方法。对于权函数的推导，本文提出了两种方法。一种是对风险函数的无偏估计量的一部分进行最小化，另一种是经验贝叶斯方法。由此产生的加权收缩估计量显示为极小极大，并扩展到未知协方差矩阵的情况。
In the estimation of the mean matrix in a multivariate normal distribution, the Efron–Morris estimator and the James–Stein estimator are two well-known minimax procedures, where the former is matricial shrinkage and the latter is scalar shrinkage. The methods for combining the two estimators with random weight functions are addressed. For deriving weight functions, the paper suggests the two methods. One is the minimization of a part of the unbiased estimator of the risk function, and the other is the empirical Bayes approach. The resulting weighted shrinkage estimators are shown to be minimax, and the extension to the case of an unknown covariance matrix is developed.
协方差矩阵未知的正态均值矩阵极小极大估计量族
DOI：
10.11329/jjss1970.20.191
发表时间：
1990
期刊：
Journal of the Japan Statistical Society. Japanese issue
影响因子：
--
作者：
Yoshihiko Konno
通讯作者：
Yoshihiko Konno
协方差矩阵未知的正态均值矩阵的广义贝叶斯极小极大估计
DOI：
--
发表时间：
2009
期刊：
Journal of Multivariate Analysis 100
影响因子：
--
作者：
Tsukuma;H.
通讯作者：
H.
椭圆形分布中平均矩阵的收缩极小极大估计和正部分规则
影响因子：
0.8
作者：
Hisayuki Tsukuma
通讯作者：
Hisayuki Tsukuma