假设我有一个统计量，并且我确信估计参数是不够的。
是否仍然有可能有一个有效的估计器（在凸损失下），或者是否有一个定理（类似于反向 Rao-Blackwell）说这是不可能的？
您可以在实现 CRLB 的效率定义下回答这个问题，即对于无偏估计量或在实线上平均的均方误差，或者它是否有助于一些更适合回答问题的其他性能测量。
来自统计不足的有效估计器
机器算法验证
估计者
充分统计
效率
2022-03-14 19:10:32
1个回答
由于 [在其存在的假设下] 最小充分统计量是样本的函数，
是一个有效的估计量可以写成这使得问题难以理解。
请注意，Cramèr-Rao 下限只能通过指数族设置中自然参数的有效估计量来实现，并且存在许多没有统一最小方差无偏估计量的情况。
还要注意，在指数族之外，可接受的估计量是不够的。