基于重复数据顺序统计量回归的非参数误差经验贝叶斯均值估计
统计方法学
2021-08-11 v2
摘要
我们研究从每个单元个含噪观测中对个单元效应量进行经验贝叶斯估计。我们表明，无需对效应量分布或噪声做任何假设或具备任何知识，即可实现近贝叶斯最优均方误差。噪声分布可以是异方差的且随单元任意变化。我们提出的方案称为Aurora，它利用每个单元个观测固有的重复性，并将效应量估计问题重塑为一般回归问题。采用线性回归的Aurora可证明匹配广泛估计量的性能，包括样本均值、截尾均值、样本中位数以及它们的James-Stein收缩版本。Aurora实现了互联网规模数据集的效应量估计自动化，正如我们在一家大型科技公司的数据上所展示的。
引用
@article{arxiv.1911.05970,
title = {Empirical Bayes mean estimation with nonparametric errors via order statistic regression on replicated data},
author = {Nikolaos Ignatiadis and Sujayam Saha and Dennis L. Sun and Omkar Muralidharan},
journal= {arXiv preprint arXiv:1911.05970},
year = {2021}
}