作为贝叶斯估计量极限的最大后验估计量
统计理论
2018-02-23 v2 最优化与控制
统计理论
摘要
最大后验估计量与贝叶斯估计量是贝叶斯统计中两种常用的点估计方法。人们普遍接受最大后验估计量是具有 0-1 损失的贝叶斯估计量的极限情形。本文中，我们提供一个反例表明一般而言该断言是错误的。随后我们通过给出后验密度的水平集条件来修正该断言，使得结果成立。由于两种估计量都是根据优化问题定义的，变分分析的工具在贝叶斯点估计中找到了自然应用。
引用
@article{arxiv.1611.05917,
title = {Maximum a Posteriori Estimators as a Limit of Bayes Estimators},
author = {Robert Bassett and Julio Deride},
journal= {arXiv preprint arXiv:1611.05917},
year = {2018}
}