Compound decisions and empirical Bayes via Bayesian nonparametrics
通过贝叶斯非参数方法研究复合决策与经验贝叶斯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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要主要涉及通用复合决策、风险与贝叶斯估计，经济流动性应用未说明因果或面板结构，故不足以细分。
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
通过贝叶斯非参数方法研究复合决策与经验贝叶斯
- 研究问题
- 在高斯复合决策问题中，完整贝叶斯决策规则能否获得类似非参数极大似然经验贝叶斯方法的风险保证，并满足可容许性？
- 方法与思路
- 作者从贝叶斯非参数角度分析复合决策，研究完整贝叶斯后验均值的风险及可容许性，并与非参数极大似然插件规则比较。
- 材料陈述的贡献
- 摘要称在一类高斯问题中，后验均值具有近最优风险且可容许，而对应插件规则不可容许，并提供模拟和经济流动性估计应用。
- 阅读关注点
- 应核对高斯问题的参数空间、先验与损失函数、近最优风险的参照标准，以及可容许性结论针对何种决策规则。
- 阅读边界
- 所给版本为预印本，不能据此确认同行评审或期刊接收；摘要未给风险界及适用条件，不能扩展为所有贝叶斯规则的性质。
原文摘要
We study compound decision theory from a nonparametric Bayesian perspective, with particular emphasis on their relationship to empirical Bayes (EB) procedures. Motivated by the sharp risk guarantees available for EB procedures based on the nonparametric maximum likelihood estimator (NPMLE), we investigate whether analogous guarantees can be established for fully Bayesian decision rules. In a class of Gaussian compound decision problems, we show that the fully Bayesian posterior mean achieves near-optimal risk. Moreover, it is admissible as a genuine Bayes rule, whereas the corresponding NPMLE plug-in rule is inadmissible. Simulations illustrate the performance of nonparametric Bayes procedures relative to common alternatives. As an application, we apply our methodology to Census tract-level estimates of economic mobility from the Opportunity Atlas.