野谷佳彦 均匀U(0,(θ))分布下经验Bayes估计的收敛速度。 (英语) Zbl 0649.62003号 Ann.统计。 16,第3期,1335-1341(1988). 设((X_i,theta_i)是一个独立的随机向量序列,其中(X_i\)对于(0<theta_i<m\)((<infty)\)具有均匀密度(U(0,theta_ i)\),在先验分布的某类({mathcal G}\)中,不可观测的(theta_ i\)是i.i.d.G。在\((n+1)st\)问题中,我们通过\(t_n(X_1,…,X_n,X_{n+1})\doteq t_n(X)\)来估计\(\teta_{n+1}),从而产生风险\(R_n\doteq E(t_n(X)-\teta_{n+1})^2 \),其中E表示对所有随机变量的期望\(\(X_i,\teta_i)\}^{n+1}_{i=1}\)。设R是关于G的下确界Bayes风险。本文给出了收敛速度为(R_n-R)的经验Bayes估计,并证明了存在一个经验Baye估计序列,其中(R_n_R)具有相同阶的下界。 引用于2评论引用于23文件 MSC公司: 62C12号机组 经验决策程序;经验贝叶斯程序 10层62层 点估计 62C25型 统计决策理论中的复合决策问题 62英尺15英寸 贝叶斯推断 关键词:平方误差损失;非指数族;均匀密度;经验贝叶斯估计量;收敛速度;下界 PDF格式BibTeX公司 XML格式引用 \textit{Y.Nogami},Ann.Stat.16,No.3,1335--1341(1988;Zbl 0649.62003) 全文: DOI程序