Monotone Empirical Bayes Tests for the Continuous One-Parameter Exponential Family
连续单参数指数族的单调经验贝叶斯检验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：摘要属于指数族中的通用统计决策与经验贝叶斯检验，未明确对应所列细分领域。
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
连续单参数指数族的单调经验贝叶斯检验
- 研究问题
- 在分段线性损失下，如何对连续单参数指数族的自然参数开展单侧经验贝叶斯检验，并研究其渐近与小样本性质？
- 方法与思路
- 作者利用问题的单调性，将给定先验的贝叶斯检验概括为一个参数，再通过估计该参数构造检验并分析均方误差收敛率。
- 材料陈述的贡献
- 摘要称，所构造检验具有良好的渐近性质，并因其弱可容许性可用于小样本；同时研究了相关参数估计的均方误差收敛率。
- 阅读关注点
- 应核对损失函数与先验设定、单参数刻画的依据，以及弱可容许性的定义和均方误差收敛率所需条件。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未给出具体收敛率或检验误差，弱可容许性不能直接解释为小样本性能优越。
原文摘要
Let $\theta$ be the natural parameter of a continuous one-parameter exponential family. An empirical Bayes test is constructed for testing $\theta \leqq 0$ against $\theta > 0$ with a piecewise linear loss function. Since the problem is monotone, Bayes tests for a given prior distribution can be characterized by a single parameter, e.g., the size of the test under $\theta = 0$. Therefore the construction of an empirical Bayes test can be reduced to the construction of an estimator of this parameter. Such an estimator is constructed and the convergence rate of its mean squared error is investigated. The empirical Bayes test constructed in this way has not only nice asymptotic properties, but it can also be applied to small samples because of its (weak) admissibility.