Estimation of the Mixing Distribution for a Normal Mean with Applications to the Compound Decision Problem
正态均值混合分布的估计及其在复合决策问题中的应用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：摘要讨论混合分布估计与复合决策的一般统计理论，未明确涉及所列经济计量应用，分类证据不足。
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
正态均值混合分布的估计及其在复合决策问题中的应用
- 研究问题
- 如何估计正态均值的混合分布，并利用该估计构造经验贝叶斯规则，使大量均值估计问题的平均风险获得渐近保证？
- 方法与思路
- 作者提出混合分布估计程序，由此构造边际密度及其导数的估计，并推导平方损失下的经验贝叶斯均值估计规则。
- 材料陈述的贡献
- 摘要称混合分布估计具有一致性，密度及导数估计接近最优收敛率；均值限于固定范围时，相关规则具有渐近风险最优性。
- 阅读关注点
- 应核对混合分布一致性的具体含义、密度导数的收敛尺度，以及均值固定范围条件如何进入复合风险和贝叶斯风险结论。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，无法核实具体速率、算法和模拟表现；风险最优性有均值范围限制，贝叶斯风险还须存在。
原文摘要
A procedure for estimating the mixing distribution for a normal mean is presented. The estimator is shown to be consistent regardless of the mixing distribution, and it is suggested that the estimation techniques may be applied in a similar manner to estimate mixing distributions for a wide class of location parameter families. Implied marginal density and derivative estimates for the normal case are shown to be consistent, converging at near-optimal rates. In addition, empirical Bayes rules for the quadratic loss mean estimation problem which are derived from the estimated mixing distributions are shown to be asymptotically optimal in average compound risk and Bayes risk (if it is defined), provided the means are assumed to lie within a fixed range. A brief discussion of computational issues related to this estimation procedure is also included, along with some small-sample simulation results for the compound decision problem.