基于负多项样本处理非平衡估计与预测问题的贝叶斯收缩方法
统计理论
2021-11-22 v2 统计方法学
统计理论
摘要
本文研究观测到负多项变量时的估计与预测问题，特别考虑非平衡设定。首先，在标准化平方误差损失下处理多个负多项参数向量的估计问题，推导出一个在新条件下支配UMVU估计量的新经验贝叶斯估计量。其次，我们在 Kullback-Leibler 散度下考虑若干多项表的联合预测密度估计，并获得一个充分条件：基于此条件，相对于 Jeffreys 先验的贝叶斯预测密度，基于层次化收缩先验的贝叶斯预测密度占优。第三，我们提出的贝叶斯估计量与预测密度在模拟中给出了风险改进。最后，讨论了负多项变量联合预测密度估计问题。
引用
@article{arxiv.2010.03141,
title = {Bayesian Shrinkage Approaches to Unbalanced Problems of Estimation and Prediction on the Basis of Negative Multinomial Samples},
author = {Yasuyuki Hamura},
journal= {arXiv preprint arXiv:2010.03141},
year = {2021}
}
备注
34 pages, 1 figure