On the Empirical Bayes Approach to Multiple Decision Problems
多重决策问题的经验贝叶斯方法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：摘要研究一般经验贝叶斯决策理论；统计分类和选择问题并未提供经济离散选择或其他所列细分领域的证据。
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
多重决策问题的经验贝叶斯方法
- 研究问题
- 如何为多重决策中的经验贝叶斯方法建立渐近最优性与收敛速度结果，并将一般理论用于分类、单调多重决策和选择问题？
- 方法与思路
- 作者提出用于推导经验贝叶斯渐近最优性及速度的定理和引理，并在三个决策问题中应用，另为单调多重决策构造专门引理。
- 材料陈述的贡献
- 摘要称，所给理论可用于多类经验贝叶斯决策问题；针对单调多重决策的专门引理，还能得到改进的精确速度结果。
- 阅读关注点
- 应核对损失、先验分布估计与决策规则的设定，一般定理的适用条件，以及单调情形精确速度的含义和改进所比较的基准。
- 阅读边界
- 所给材料为OpenAlex索引摘要，稿件版本未注明；具体正则条件和速度表达式未说明，不能把广泛适用的表述理解为无条件成立。
原文摘要
In the empirical Bayes approach to multiple decision problems, we obtain theorems and lemmas which can be used to obtain asymptotic optimality and rate results in any multiple decision empirical Bayes problem. Applications of these results to a classification problem, a monotone multiple decision, and a selection problem are given. In addition, a special lemma unique to the monotone multiple decision problem gives improved (exact) rate results in that case.