Monotone Empirical Bayes Test for Uniform Distributions Using the Maximum Likelihood Estimator of a Decreasing Density
利用递减密度极大似然估计的均匀分布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：摘要重点为特定均匀分布参数的经验贝叶斯检验，递减密度是构造工具，缺乏所列分布效应等方向的直接证据。
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
利用递减密度极大似然估计的均匀分布单调经验贝叶斯检验
- 研究问题
- 对于区间从零到未知端点的均匀分布，如何构造检验端点是否超过给定阈值的单调经验贝叶斯程序？
- 方法与思路
- 作者将端点检验联系到非负区间上的递减密度估计，基于经验分布函数的最小凹上包络构造单调经验贝叶斯检验。
- 材料陈述的贡献
- 摘要称，文章建立检验与递减密度估计的联系，推导单调检验及其贝叶斯风险的渐近分布，并提供蒙特卡洛结果。
- 阅读关注点
- 应核对经验贝叶斯设定、单调性的具体含义、最小凹上包络如何决定检验，以及风险渐近分布所需的条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明先验设定、损失函数和模拟结果，不能判断风险改善幅度。
原文摘要
An empirical Bayes test for testing $\vartheta \leq \vartheta_0$ against $\vartheta > \vartheta_0$ for the uniform distribution on $\lbrack 0, \vartheta)$ is discussed. The relation is shown with the estimation of a decreasing density on $\lbrack 0, \infty)$ and a monotone empirical Bayes test is derived based on the least-concave majorant of the empirical distribution function. The asymptotic distribution of the Bayes risk is obtained and some Monte Carlo results are given.