时间均匀估计中的信息论下界

我们提出了一种关于参数估计问题的时间均匀覆盖保证的信息论下界。通过一种新的归约到顺序测试的方法，我们获得了更强的下界，能够捕捉时间均匀环境的难度。在位置模型估计、 logistic 回归和指数族模型的情况下，我们的 $\Omega(\sqrt{n^{-1}\log \log n})$ 下界在典型情景下常数因子内为尖锐下界。