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