On the Convergence Rates of Empirical Bayes Rules for Two-Action Problems: Discrete Case
两行动问题经验贝叶斯规则的收敛速率：离散情形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：文本中的两行动是统计决策问题，缺少经济离散选择模型或其他所列细分的证据。
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
两行动问题经验贝叶斯规则的收敛速率：离散情形
- 研究问题
- 当观测分布属于离散指数族时，利用累积历史观测构造的两行动经验贝叶斯决策规则，能以多快的速度接近其渐近最优目标？
- 方法与思路
- 作者研究一列两行动经验贝叶斯规则的收敛性质，以累积历史观测数为渐近指标，并通过两个例子和与已有规则的比较说明其表现。
- 材料陈述的贡献
- 摘要称所研究规则具有渐近最优性，相关收敛速率为随历史观测数指数下降的阶，并提供实例及与早期经验贝叶斯规则的比较。
- 阅读关注点
- 应核对两种行动与损失函数如何定义、最优性针对什么风险指标，以及指数收敛所需条件和正常数是否随观测分布变化。
- 阅读边界
- 仅依据版本未注明的 OpenAlex 索引摘要；具体损失、风险差及常数条件未说明，不能把指数速率推广到所有经验贝叶斯问题。
原文摘要
The purpose of this paper is to investigate the convergence rates of a sequence of empirical Bayes decision rules for the two-action decision problems where the distributions of the observations belong to a discrete exponential family. It is found that the sequence of the empirical Bayes decision rules under study is asymptotically optimal, and the order of associated convergence rates is $O(\exp(-cn))$, for some positive constant $c$, where $n$ is the number of accumulated past experience (observations) at hand. Two examples are provided to illustrate the performance of the proposed empirical Bayes decision rules. A comparison is also made between the proposed empirical Bayes rules and some earlier existing empirical Bayes rules.