An Empirical Bayes Smoothing Technique
一种经验贝叶斯平滑技术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：摘要仅涉及一般经验贝叶斯概率平滑与泊松应用，没有所列细分领域的充分文本证据。
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
一种经验贝叶斯平滑技术
- 研究问题
- 经验贝叶斯程序需要估计边际概率时，如何对离散概率估计进行平滑，并将相应方法用于泊松情形？
- 方法与思路
- 作者提出一般性的概率平滑程序，并将其应用于泊松情形；所给摘要没有清楚描述平滑规则和估计步骤。
- 材料陈述的贡献
- 摘要明确陈述的贡献是提出概率平滑的一般程序及泊松应用；残缺句子不足以支持更具体的性能结论。
- 阅读关注点
- 应先核对摘要残缺句和引文年份，再查看平滑算子的构造、概率约束，以及泊松应用中的估计目标与评价标准。
- 阅读边界
- OpenAlex索引摘要中间句残缺，所列引文年份与出版年份不一致，需核对原文；不能补出缺失论断或据此判断改进幅度。
原文摘要
Empirical Bayes procedures generally require the estimation of marginal probabilities. Maritz (1996) showed that the usual estimator for a discrete probability smoothing the estimators of discrete probabilities. Here we present a general procedure for smoothing probabilities and apply it to the Poisson situation.