Robustness of Ferguson's Bayes Estimator of a Distribution Function
Ferguson 分布函数贝叶斯估计量的稳健性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：摘要研究通用分布函数贝叶斯估计及其风险，没有经济分布效应或其他所列细分方向的直接证据。
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
Ferguson 分布函数贝叶斯估计量的稳健性
- 研究问题
- 在分布具有已知对称结构时，将该结构纳入贝叶斯估计可带来怎样的风险变化，Ferguson 估计量面对不匹配先验又有何表现？
- 方法与思路
- 作者在群不变 Dirichlet 过程先验下，推导 Dalal 对称分布估计量的加权平方损失贝叶斯风险，并与 Ferguson 估计量的风险比较。
- 材料陈述的贡献
- 摘要称，显式风险表达及其比较可用于评估利用已知对称结构的风险节约，并分析 Ferguson 估计量相对于非对应先验的稳健性。
- 阅读关注点
- 应核对群不变先验与对称性如何定义、损失权重的限制，以及风险比较是否依赖特定先验参数、目标分布或积分方式。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；风险公式及比较条件未提供，不能推断利用对称结构在所有设定下都降低风险。
原文摘要
We derive an explicit expression for the Bayes risk (using weighted squared error loss) of Dalal's Bayes estimator of a symmetric distribution under a $\mathscr{G}$-invariant Dirichlet process prior. We compare this risk to the risk of Ferguson's estimator of an arbitrary distribution under the $\mathscr{G}$-invariant prior. This enables us to (i) assess the savings in risk attained by incorporating known symmetry structure in the model and (ii) provide information about the robustness of Ferguson's estimator against a prior for which it is not Bayes.