Exponential Family Mixture Models (with Least-Squares Estimators)
指数族混合模型与最小二乘估计量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：摘要聚焦一般指数族混合与估计理论，未明确提供离散选择、结构估计或其他所列细分的依据。
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
指数族混合模型与最小二乘估计量
- 研究问题
- 如何为单参数指数族构造混合分布，使混合结果仍属于更多参数的指数族，并在离散情形中获得便于计算的估计量？
- 方法与思路
- 作者通过重新加权的无限可分分布构造参数混合分布，分析后验性质，并在离散情形提出最小二乘估计程序。
- 材料陈述的贡献
- 摘要称刻画了使混合保持指数族结构的参数混合分布，给出后验均值的线性性质及充分有效的离散最小二乘估计量。
- 阅读关注点
- 应核对混合构造的适用条件、后验均值线性关系的准确对象、充分有效的定义，以及泊松例子展示的优势和限制。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex索引摘要；刊本一致性、构造条件和效率论证未提供，不能推广到任意混合模型。
原文摘要
For an arbitrary one parameter exponential family density it is shown how to construct a mixing distribution (prior) on the parameter in such a way that the resulting mixture distribution is a two (or more) parameter exponential family. Reweighted infinitely divisible distributions are shown to be the parametric mixing distributions for which this occurs. As an illustration conditions are given under which a parametric mixture of negative exponentials is in the exponential family. Properties of the posterior are given, including linearity of the posterior mean in the natural parameter. For the discrete case a class of simply-computed yet fully-efficient least-squares estimators is given. A Poisson example is used to demonstrate the strengths and weaknesses of the approach.