On a Class of Bayesian Nonparametric Estimates: I. Density Estimates
一类贝叶斯非参数估计：第一部分，密度估计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：摘要属于一般贝叶斯非参数密度估计，未涉及经济分布效应、分位数或因果问题，不能仅凭密度一词归入微观分布。
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
一类贝叶斯非参数估计：第一部分，密度估计
- 研究问题
- 如何利用正的归一化核与有限测度构造随机密度，并在观察样本后描述其后验分布和相应贝叶斯密度估计？
- 方法与思路
- 作者以有限测度索引 Dirichlet 随机概率测度，将其与正的归一化核卷积生成随机密度，再分析样本条件下的后验。
- 材料陈述的贡献
- 摘要称刻画所构造随机密度的后验分布，并给出密度函数的贝叶斯估计量，贡献集中于这一构造及后验描述。
- 阅读关注点
- 应核对核函数与有限测度的条件、后验分布的具体形式，以及贝叶斯估计所用损失函数和估计量的计算表达。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明一致性、收敛率或数值性能，不能由随机密度构造推断这些性质。
原文摘要
Given a positive, normalized kernel and a finite measure on an Euclidean space, we construct a random density by convoluting the kernel with the Dirichlet random probability indexed by the finite measure. The posterior distribution of the random density given a sample is classified. The Bayes estimator of the density function is given.