Admissible predictive density estimation
预测密度估计的容许性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：摘要研究一般正态模型的预测决策理论，没有宏观预测或金融收益预测的具体背景与证据。
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…
预测密度估计的容许性
- 研究问题
- 对具有共同未知均值且相互独立的两个多元正态向量，观察其中一个后，哪些预测密度估计在期望 KL 损失下容许？
- 方法与思路
- 作者在所给正态预测问题中考察广义贝叶斯规则，通过完全类论证与先验相关条件刻画预测密度估计的容许性。
- 材料陈述的贡献
- 摘要称全部广义贝叶斯规则构成完全类，并指出 Brown 和 Hwang 的条件足以保证形式贝叶斯规则的容许性。
- 阅读关注点
- 应核对两个向量的方差设定、预测风险与容许性的定义，以及完全类证明和充分条件对先验及维度的要求。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要；具体充分条件及证明未提供，不能扩展到非正态模型或其他损失。
原文摘要
Let X|μ∼Np(μ, vxI) and Y|μ∼Np(μ, vyI) be independent p-dimensional multivariate normal vectors with common unknown mean μ. Based on observing X=x, we consider the problem of estimating the true predictive density p(y|μ) of Y under expected Kullback–Leibler loss. Our focus here is the characterization of admissible procedures for this problem. We show that the class of all generalized Bayes rules is a complete class, and that the easily interpretable conditions of Brown and Hwang [Statistical Decision Theory and Related Topics (1982) III 205–230] are sufficient for a formal Bayes rule to be admissible.