期刊文献+

渐近最优的经验贝叶斯决策(英文)

Asymptotically Optimal Empirical Bayes Decision
下载PDF
导出
摘要 本文在加权线性损失下讨论一类广义指数分布刻度参数的经验贝叶斯检验问题.利用核密度估计函数构造单调的经验贝叶斯检验函数,在适当的条件下证明所构造的检验函数的渐近最优性并获得其收敛速度.该收敛速度可以任意接近O(n-1).最后,给出一个例子用以验证本文的主要结果是合理的. In this paper, the empirical Bayes decision problem of scale parameter for a generalized exponential distribution under weighed linear loss function has been discussed. The monotone empir- ical Bayes test (EBT) rules are constructed by using the kernel-type density method. The asymptoti- cally optimal property and convergence rates for the proposed EBT rules are obtained under suitable conditions. Their convergence rate can arbitrary close to O(n-1 ) and an example is given to verify the main results of this paper which are reasonable.
出处 《应用数学》 CSCD 北大核心 2013年第1期95-103,共9页 Mathematica Applicata
基金 Supported by the Foundamental Research Funds for the Central Universities of China(2010-1a-027) the Posterdoctoral Funds of China(20100471168)
关键词 广义指数分布 经验贝叶斯检验 渐近最优性 收敛速度 Generalized exponential distribution Empirical Bayes test Asymptotical-ly optimal Convergence rate
  • 相关文献

参考文献1

二级参考文献2

共引文献12

相关作者

内容加载中请稍等...

相关机构

内容加载中请稍等...

相关主题

内容加载中请稍等...

浏览历史

内容加载中请稍等...
;
使用帮助 返回顶部