On an empirical Bayes test for a normal mean
正态均值的经验贝叶斯检验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：摘要研究通用正态均值检验与经验贝叶斯风险，未提供对应所列经济计量细分方向的明确证据。
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
正态均值的经验贝叶斯检验
- 研究问题
- 在线性错误损失下，如何利用过去的决策经验构造正态均值检验，并控制其相对于贝叶斯检验的风险差？
- 方法与思路
- 作者构造经验贝叶斯检验，并在贝叶斯检验临界点位于已知紧区间的条件下，研究渐近最优性与遗憾风险的收敛速度。
- 材料陈述的贡献
- 摘要称，该检验渐近最优，遗憾贝叶斯风险以 O(n^{-1}(ln n)^{1.5}) 收敛；同一条件下快于所述既有速率。
- 阅读关注点
- 应核对线性错误损失的定义、经验样本如何进入检验、紧区间条件的作用，以及与既有速率比较时的假设是否一致。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；检验构造、其他正则条件及速率证明未提供，不能据此确认比较结论的适用范围。
原文摘要
We exhibit an empirical Bayes test $\delta_n^*$ for the normal mean testing problem using a linear error loss. Under the condition that the critical point of a Bayes test is within some known compact interval, $\delta_n^*$ is shown to be asymptotically optimal and its associated regret Bayes risk converges to zero at a rate $O(n^{-1}(\ln n)^{1.5})$, where $n$ is the number of past experiences available when the current component decision problem is considered. Under the same condition this rate is faster than the optimal rate of convergence claimed by Karunamuni.