×
James，Lancelot F。

一类随机测度的几乎确定离散性的简单证明。 （英语） Zbl 1116.60335号

统计概率。莱特。 65，第4期，363-368（2003）.
摘要：给出了一类包含完全随机测度的随机测度的几乎必然离散性的简单证明。证明方法显示了如何扩展R.H.伯克和I.R.萨维奇[对统计的贡献，雅罗斯拉夫·哈耶克Mem.Vol.，25-31（1979；Zbl 0415.60034号)]和A.Y.Lo先生和C.-S.翁【Ann.Inst.Stat.Math.41，227–245（1989；Zbl 0716.62043号)]分别针对Dirichlet过程和加权伽马过程。该技术基于一个分解论证，揭示了必要的积极条件的作用。

引用于6文件

MSC公司：

60G57型 随机测量
60G05型 随机过程基础
2015年1月62日 贝叶斯推断

关键词：

完全随机测度;迪里克莱过程;解体;广义;伽马过程;勒维测度;泊松过程

引文：

Zbl 0415.60034号;Zbl 0716.62043号
PDF格式BibTeX公司 XML格式引用
\textit{L.F.James}，统计概率。莱特。65，第4号，363--368（2003；Zbl 1116.60335）
全文： 内政部

参考文献：

[1] Basu，D.，Tiwari，R.C.，1982年。关于Dirichlet过程的注释。收录：Kallianpur，G.，Krishnaiah，P.R.，Ghosh，J.K.，（编辑），《纪念C.R.Rao的论文》。纽约州北霍兰德，第89-103页。；Basu，D.，Tiwari，R.C.，1982年。关于Dirichlet过程的注释。收录：Kallianpur，G.，Krishnaiah，P.R，Ghosh，J.K.（编辑），《纪念C.R.Rao的散文》。纽约州北霍兰德，第89-103页·Zbl 0482.60051号
[2] Berk，R.，Savage，I.R.，1979年。Dirichlet过程产生离散测度：一个基本证明。收录：Jana Jurečkova（编辑），《对统计的贡献》，雅罗斯拉夫·哈耶克纪念卷。雷德尔，多德雷赫特，波士顿，马萨诸塞州，伦敦，第25-31页。；Berk，R.，Savage，I.R.，1979年。Dirichlet过程产生离散测度：一个基本证明。收录：Jana Jurečkova（编辑），《对统计的贡献》，雅罗斯拉夫·哈耶克纪念卷。雷德尔，多德雷赫特，波士顿，马萨诸塞州，伦敦，第25-31页·Zbl 0415.60034号
[3] Blackwell，D.，《弗格森选择的离散性》，Ann.Statist。，1, 356-358 (1973) ·Zbl 0276.62009号
[4] Daley，D.J。；Vere-Jones，D.，《点过程理论导论》（1988），Springer:Springer纽约·Zbl 0657.60069号
[5] L.F.詹姆斯，2002年。泊松过程划分演算及其在可交换模型和贝叶斯非参数中的应用。arXiv:数学。PR/02050932002。；L.F.詹姆斯，2002年。泊松过程划分微积分及其在可交换模型和贝叶斯非框架中的应用。arXiv:数学。PR/02050932002年。
[6] James，L.F.，2003年a。泊松过程划分演算及其在贝叶斯Lévy移动平均和shot-noise过程中的应用。手稿。；James，L.F.，2003年a。泊松过程划分演算及其在贝叶斯Lévy移动平均和shot-noise过程中的应用。手稿。
[7] 詹姆斯，L.F.，2003b。空间中性到右过程的泊松演算。arXiv:数学。PR/0305532003年。；詹姆斯，L.F.，2003b。空间中性到右过程的泊松演算。arXiv：数学。PR/0305532003年。
[8] 金曼，J.F.C.，泊松过程（1993），牛津大学出版社：牛津大学出版社·Zbl 0771.60001号
[9] 金曼，J.F.C.，《完全随机测度》，太平洋数学杂志。，21, 59-78 (1967) ·Zbl 0155.23503号
[10] Lo，A.Y。；翁，C.S.，关于一类贝叶斯非参数估计II。危险率估算，Ann.Inst.Statist。数学。，41, 227-245 (1989) ·Zbl 0716.62043号
[11] Perman，M。；皮特曼，J。；Yor，M.，泊松点过程和偏移的基于大小的抽样，Probab。理论相关领域，92，21-39（1992）·Zbl 0741.60037号
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。