Limiting the Risk of Bayes and Empirical Bayes Estimators—Part I: The Bayes Case
限制贝叶斯与经验贝叶斯估计量的风险：第一部分，贝叶斯情形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：这里的风险是一般统计决策中的估计风险，摘要没有金融尾部风险或其他所列细分领域的证据。
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
限制贝叶斯与经验贝叶斯估计量的风险：第一部分，贝叶斯情形
- 研究问题
- 正态均值偏离正态先验中心时，通常贝叶斯估计的风险可能较高；能否控制这一问题并保留先验下的良好表现？
- 方法与思路
- 作者提出在贝叶斯规则与最大似然估计之间折中的规则，并讨论经验贝叶斯情形中 James–Stein 估计与最大似然的折中。
- 材料陈述的贡献
- 摘要称所提规则避免通常贝叶斯估计在远离先验中心时的高风险性质，同时仍在正态先验下表现良好，并提出类似扩展。
- 阅读关注点
- 应核对风险与损失函数的定义、折中规则及风险界，区分贝叶斯部分的结果与对经验贝叶斯情形所提出的类似规则。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体规则、风险界和经验贝叶斯证明范围未说明，不能声称对所有参数一致占优。
原文摘要
The first part of this article considers the Bayesian problem of estimating the mean, θ, of a normal distribution when the mean itself has a normal prior. The usual Bayes estimator for this situation has high risk if θ is far from the mean of the prior distribution. We suggest rules which do not have this bad property and still perform well against the normal prior. These rules are compromises between the Bayes rule and the MLE. Similar rules are suggested for the empirical Bayes situation where the mean and variance of the prior is unknown but can be estimated from the data provided by several simultaneous estimation problems. In this case the suggested rules compromise between the James-Stein estimator of a mean vector and the MLE.