Some Empirical Bayes Techniques in Point Estimation
点估计中的若干经验贝叶斯方法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：摘要研究一般经验贝叶斯点估计，未提供任何给定经济计量细分方向的直接依据。
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
点估计中的若干经验贝叶斯方法
- 研究问题
- 平方误差损失下，贝叶斯估计量是后验均值；经验贝叶斯方法如何利用既往经验构造对这一均值的一致估计？
- 方法与思路
- 作者针对四类一般条件分布族构造后验均值的一致估计序列，这些分布族包含泊松、伽马、正态和均匀分布等特例。
- 材料陈述的贡献
- 摘要称完成了上述四类分布族中经验贝叶斯估计序列的构造，为利用既往经验估计后验均值提供了具体方法。
- 阅读关注点
- 应核对四类分布族的完整定义、既往经验与当前观测的关系、一致性的具体含义，以及各分布特例的构造条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明抽样条件、收敛速度或有限样本风险，不能外推到任意分布族。
原文摘要
In point estimation with a squared-error loss function the Bayes estimator is the posterior mean. In the empirical Bayes approach we must construct a consistent sequence of estimators for this posterior mean using past experience. This construction is done here for four general families of conditional distributions which include as special cases: the Poisson, the gamma, the normal and the uniform.