Rates of convergence for the posterior distributions of mixtures of Betas and adaptive nonparametric estimation of the density
Beta 混合后验的收敛速度与自适应非参数密度估计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：摘要提供一般非参数密度估计理论，未明确研究分位数、分布效应或其他所列细分主题。
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
Beta 混合后验的收敛速度与自适应非参数密度估计
- 研究问题
- 如何用 Beta 混合估计单位区间上的光滑密度，并使后验集中速度适应未知光滑度？文章关注其频率学渐近性质。
- 方法与思路
- 作者按均值和尺度参数化 Beta 分布，在均值参数上构造混合，同时对尺度参数设先验，分析逼近能力与后验集中速度。
- 材料陈述的贡献
- 摘要称，模型在任意正光滑度的 Hölder 类中达到极小极大后验集中速度，由此得到自适应密度估计程序。
- 阅读关注点
- 应核对混合与尺度先验的要求、集中速度采用的距离、密度边界行为及 Hölder 类定义，确认自适应结论的精确范围。
- 阅读边界
- OpenAlex 索引摘要未注明稿件版本；摘要未给出速度表达式、先验条件或损失度量，不能据此推断有限样本表现和刊本变化。
原文摘要
In this paper, we investigate the asymptotic properties of nonparametric Bayesian mixtures of Betas for estimating a smooth density on [0, 1]. We consider a parametrization of Beta distributions in terms of mean and scale parameters and construct a mixture of these Betas in the mean parameter, while putting a prior on this scaling parameter. We prove that such Bayesian nonparametric models have good frequentist asymptotic properties. We determine the posterior rate of concentration around the true density and prove that it is the minimax rate of concentration when the true density belongs to a Hölder class with regularity β, for all positive β, leading to a minimax adaptive estimating procedure of the density. We also believe that the approximating results obtained on these mixtures of Beta densities can be of interest in a frequentist framework.