Improved Rates in the Empirical Bayes Monotone Multiple Decision Problem $\operatorname{MLR}$ Family
单调似然比族中经验贝叶斯单调多重决策问题的改进收敛率AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要属于经验贝叶斯决策与风险界的一般理论，没有所列经济计量细分方向的直接证据。
反馈分类问题正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
单调似然比族中经验贝叶斯单调多重决策问题的改进收敛率
- 研究问题
- 经验贝叶斯程序利用单调结构获得的收敛率界，能否从两行动、线性损失的指数族问题推广到更一般的多行动决策问题？
- 方法与思路
- 作者将既有单调经验贝叶斯界推广到任意有限行动数、单调损失和单调似然比族的多重决策框架，并用一个例子说明用途。
- 材料陈述的贡献
- 摘要称，该推广为一般多重决策问题中的既有界提供了有用替代，但未列出具体收敛率或说明所有情形下都更优。
- 阅读关注点
- 应核对单调损失与单调似然比条件、风险界的形式和常数，以及示例中不同界的适用范围与收敛率比较。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；具体正则条件、界与证明未提供，不能据题名认定全面改进，也不推断刊本变化。
原文摘要
In the context of the two-action, linear loss, exponential family multiple decision problem, Van Houwelingen (1973), (1976) has shown that faster rates of convergence are deducible for monotone empirical Bayes procedures than result from application of the bound established for general empirical Bayes procedures by Johns and Van Ryzin (1972). This note generalizes a (1973) Van Houwelingen bound to arbitrary $k$-action, monotone loss, MLR family multiple decision problems. An example is given to show that the result is a useful alternative to the recent Van Ryzin and Susarla (1977) multiple decision problem generalization of Johns and Van Ryzin.