Universal Bayes Estimators
不依赖偶损失选择的广义贝叶斯估计量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：摘要属于一般贝叶斯决策与分布族刻画，没有支持给定经济或金融细分方向的具体内容。
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
不依赖偶损失选择的广义贝叶斯估计量
- 研究问题
- 对依赖单个实参数的独立同分布样本，何时广义贝叶斯估计不随偶损失函数的选择改变，哪些分布与先验能够产生这种性质？
- 方法与思路
- 作者围绕后验密度对称且单峰这一已知条件，描述满足要求的抽样分布及实数轴上的相应广义先验密度。
- 材料陈述的贡献
- 摘要称刻画了使后验对称且单峰的分布与先验族，并指出这些族构成具有二维充分统计量的指数分布族的重要子类。
- 阅读关注点
- 应核对所允许的偶损失函数类别、广义先验及后验的存在条件，并检查分布刻画的范围和二维充分统计量所发挥的作用。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要，损失函数的附加限制及估计量存在性未说明；不能把题名中的通用性理解为适用于任意模型。
原文摘要
Let $x_1, \cdots, x_n$ be i.i.d. random variables with a distribution depending on the real parameter. Under what conditions is a generalized Bayes estimator independent of the choice of the even loss function? The known answer to this question is that this independence holds if the posterior density is symmetric and unimodal. The description of distributions and corresponding generalized prior densities on the real line, for which the posterior density is symmetric and unimodal, is presented. These families form an important subclass of all exponential laws with two-dimensional sufficient statistics.