A supplementary sample non-parametric empirical Bayes approach to some statistical decision problems
利用补充样本的非参数经验贝叶斯统计决策方法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：摘要讨论重复统计决策中的经验贝叶斯信息利用，未涉及特定经济对象、面板依赖或给定领域模型，故不作细分归类。
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
利用补充样本的非参数经验贝叶斯统计决策方法
- 研究问题
- 在重复出现的估计问题中，如何结合历史观测与过去参数的补充估计，在相关概率分布未知时改进当前参数的估计？
- 方法与思路
- 作者将重复任务中的参数视为随机变量，利用历史数据及类似反馈的补充估计构造非参数经验贝叶斯估计程序。
- 材料陈述的贡献
- 摘要称所提出程序具有渐近最优性，并以一个蒙特卡洛例子展示良好的小样本性质，但未列出风险指标和具体数值。
- 阅读关注点
- 应核对历史任务与当前任务的联系、补充估计的生成条件、最优性采用的损失与参照标准，以及模拟的参数和样本设计。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本。摘要未说明分布未知时仍需满足的结构条件，单个模拟例子不足以支持普遍的小样本优势。
原文摘要
When an estimating problem is routine, it is often possible to consider the parameter being estimated as a random variable. The data obtained to estimate previous values of the parameter then contain information which can be used to advantage in estimating the present parameter. Besides these data it is assumed that there are supplementary estimates of the previous parameters, perhaps in the form of customer feedback. All the probability distributions are assumed to be unknown. The estimating procedure given here is shown to be asymptotically optimal, and by a Monte Carlo example to have good small sample properties.