Bayesian Nonparametric Estimation of the Median; Part I: Computation of the Estimates
中位数的贝叶斯非参数估计：第一部分，估计值计算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：摘要研究一般位置模型的中位数估计，未明确涉及经济分位数效应或其他所列细分。
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
中位数的贝叶斯非参数估计：第一部分，估计值计算
- 研究问题
- 在独立同分布的位置模型中，基准分布未知或仅部分已知且中位数为零时，如何计算位置参数的贝叶斯非参数估计？
- 方法与思路
- 作者对基准分布与位置参数设置联合先验，使分布先验集中于零中位数分布，包含 Dirichlet 型先验，并计算位置参数边际后验。
- 材料陈述的贡献
- 摘要称，研究计算了给定样本后位置参数的边际后验分布，并以其后验均值作为估计，为所述中位数模型提供计算方法。
- 阅读关注点
- 应核对零中位数约束如何进入分布先验、联合先验结构、边际后验的计算步骤，以及后验均值存在所需的条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要解读。本篇摘要聚焦估计计算，未说明一致性、效率或区间性质，不能推断其他部分的结论。
原文摘要
Let $X_i, i = 1, \ldots, n$ be i.i.d. $\sim F_\theta$, where $F_\theta(x) = F(x - \theta)$ for some $F$ that has median equal to 0. $F$ is assumed unknown or only partially known, and the problem is to estimate $\theta$. Priors are put on the pair $(F, \theta)$. The priors on $F$ concentrate all their mass on c.d.f.s with median equal to 0. These priors include "Dirichlet-type" priors. The marginal posterior distribution of $\theta$ given $X_1, \ldots, X_n$ is computed. The mean of the posterior is taken as the estimate of $\theta$.