Bayes Empirical Bayes
贝叶斯经验贝叶斯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：摘要讨论通用贝叶斯与经验贝叶斯理论，没有所列计量应用领域的直接证据。
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
贝叶斯经验贝叶斯
- 研究问题
- 经验贝叶斯程序与完整贝叶斯处理有何关系，哪些程序可以对应某个先验，哪些则不存在这样的先验？
- 方法与思路
- 作者从贝叶斯视角处理多类经验贝叶斯问题，以混合模型、例子和一般理论区分经验贝叶斯与贝叶斯经验贝叶斯模型。
- 材料陈述的贡献
- 摘要将经验贝叶斯程序解释为混合模型中的渐近最优经典程序，并指出其是否具有贝叶斯解释取决于具体情形。
- 阅读关注点
- 核对两类模型的层次结构、先验存在性的判定条件，以及渐近最优采用何种损失、比较对象和渐近框架。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体先验或最优性条件，不能将所有经验贝叶斯程序作统一判断。
原文摘要
A Bayesian approach is given for various kinds of empirical Bayes problems. In particular it is shown that empirical Bayes procedures are really non-Bayesian, asymptotically optimal, classical procedures for mixtures. In some situations these procedures are Bayes with respect to some prior and in other situations, there is no prior for which they are Bayes. Several examples of these concepts are given as well as a general theory showing the difference between an empirical Bayes model and a Bayes empirical Bayes model.