Empirical Bayes Estimation of the Binomial Parameter
二项分布参数的经验贝叶斯估计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：摘要讨论一般二项参数估计，没有明确离散选择行为或所列应用方向。
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
二项分布参数的经验贝叶斯估计
- 研究问题
- 如何构造平滑的二项分布参数经验贝叶斯估计量，并通过风险比较判断它与其他估计量各自在哪些参数区域更有优势？
- 方法与思路
- 作者推导平滑经验贝叶斯估计，与另外八种估计量进行模拟比较，并用关于模拟参数的回归方程近似部分风险函数。
- 材料陈述的贡献
- 摘要称提供了新的平滑估计量，利用风险近似方程识别不同估计量的优势区域，并通过一个数值例子说明比较方法。
- 阅读关注点
- 应核对经验贝叶斯信息的来源、平滑构造和风险定义，尤其关注模拟参数范围、风险回归的拟合误差及优势区域的稳健性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；损失函数、模拟范围和风险近似精度未说明，不能将局部风险优势表述为普遍支配。
原文摘要
A smooth empirical Bayes estimator for a binomial parameter is derived. The risk in using this estimator is compared by simulation with that of eight other binomial estimators. For those estimators not having a simple closed form risk, suitable regression equations on the simulation parameters are obtained. These equations are used to identify the regions of superiority of each of the estimators. A numerical example is provided.