Solutions to Empirical Bayes Squared Error Loss Estimation Problems
经验贝叶斯平方误差损失估计问题的解法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：摘要属于经验贝叶斯决策理论，未明确对应所列经济计量应用方向。
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
经验贝叶斯平方误差损失估计问题的解法
- 研究问题
- 对两类均匀分布及伽马位置参数族，如何在平方误差损失下构造渐近最优的经验贝叶斯估计，并比较直接与间接路径？
- 方法与思路
- 作者以直接估计贝叶斯估计量为主要方法；对单位长度的平移均匀分布，还研究先估计先验再代入贝叶斯估计量的间接方法。
- 材料陈述的贡献
- 摘要称，三类连续分布均有渐近最优经验贝叶斯程序；其中平移均匀分布的间接方法，在先验估计几乎处处弱收敛时也渐近最优。
- 阅读关注点
- 应核对渐近最优性的风险定义、直接估计的构造、先验估计所需条件，以及间接方法的结论为何限定于特定分布族。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；风险收敛速度和有限样本表现未说明，不能推广至任意分布族或损失函数。
原文摘要
Asymptotically optimal empirical Bayes squared error loss estimation procedures are developed for three families of continuous distributions, uniform $(0, \theta), \theta > 0,$ uniform $\lbrack \theta, \theta + 1), \theta$ arbitrary, and a location parameter family of gamma distributions. The approach taken is to estimate the Bayes estimator directly. However, for the $\lbrack \theta, \theta + 1)$ case, it is shown that the indirect approach of applying the Bayes estimator, versus an almost sure weakly convergent estimator of the prior, also yields an asymptotically optimal procedure.