Asymptotic Optimality of Bayes Compound Estimators in Compact Exponential Families
紧参数空间指数族中贝叶斯复合估计量的渐近最优性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：摘要围绕贝叶斯复合决策与指数族的一般理论，未说明所列经济计量领域的具体联系，因此不分类。
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
紧参数空间指数族中贝叶斯复合估计量的渐近最优性
- 研究问题
- 在紧参数空间的实指数族中，如何为自然参数的连续变换构造可容许的贝叶斯复合估计，并保证其渐近最优性？
- 方法与思路
- 作者研究以独立同分布先验的混合为基础的贝叶斯复合估计，要求混合超先验具有全支撑，并考察加权平方损失扩展。
- 材料陈述的贡献
- 摘要称在所述框架下贝叶斯估计量可容许，全支撑超先验对应的复合估计渐近最优，并给出部分可实用的估计形式。
- 阅读关注点
- 应核对紧参数空间、连续变换和超先验全支撑各自的作用，以及渐近最优性的风险标准和非指数族扩展的适用范围。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，无法核实可容许性和最优性的完整条件；不能将这些结论推广到任意参数空间或损失。
原文摘要
The problem of finding admissible, asymptotically optimal compound rules is pursued in the infinite state case. The components involve the estimation of an arbitrary continuous transform of the natural parameter of a real exponential family with compact parameter space. We show that all Bayes estimators are admissible. Our main result is that any Bayes compound estimator versus a mixture of i.i.d. priors on the compound parameter is asymptotically optimal if the mixing hyperprior has full support. The asymptotic optimality results are generalized to weighted squared error loss with continuous weight function and applications to some nonexponential situations are also considered. Several examples of such hyperpriors are given and for some of them practically useful forms of the corresponding Bayes estimators are obtained.