Asymptotic Optimal Sequential Estimation: The Poisson Case
渐近最优序贯估计：泊松情形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：摘要研究泊松参数的通用序贯决策与估计，未提供宏观时间序列、金融高频或其他所列领域的依据。
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
渐近最优序贯估计：泊松情形
- 研究问题
- 如何序贯估计齐次泊松过程的强度或独立同分布泊松变量的均值，并在参数较大或抽样成本较小时评估程序表现？
- 方法与思路
- 作者提出两类泊松参数的序贯估计程序，考察其在大参数或小抽样成本下的表现，并分析均值估计程序的遗憾界与贝叶斯性质。
- 材料陈述的贡献
- 摘要称，所提程序在上述极限情形表现良好；泊松序列均值估计程序具有有界遗憾，并对适当平滑扩散的先验序列渐近贝叶斯。
- 阅读关注点
- 应核对损失函数、抽样成本与停止规则、遗憾的比较基准，以及先验质量平滑扩散和渐近贝叶斯性质的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出停止规则或风险界，序贯抽样也不等同于所列宏观时间序列模型。
原文摘要
The problems of estimating sequentially the intensity parameter of a homogeneous Poisson process and of estimating sequentially the mean of a sequence of i.i.d. Poisson rv's, are considered. The procedures suggested are shown to perform well for large values of the parameter and/or for small sampling cost. Having bounded regret, the procedure for estimating the mean of the Poisson sequence is asymptotically Bayes w.r.t. any sequence of a priori densities, which spread mass in a suitably smooth manner.