RKL：Neyman-Scott 问题的一个通用且具有表示不变性的 Bayes 解
机器学习
2017-07-21 v1
摘要
Neyman-Scott 问题是具有部分一致后验的估计问题的一个经典示例，标准估计方法往往对其产生不一致的结果。过去为 Neyman-Scott 构造一致估计量的尝试导致了特定的解决方案、不满足表示不变性的估计量、对先验选择的限制等等。我们提出了一种通用 Bayes 估计量的简单构造，该估计量具有表示不变性，且在任意非退化先验下对 Neyman-Scott 满足一致性。我们论证了该估计量的良好特性源于其内在属性，并可推广至 Neyman-Scott 问题之外。
引用
@article{arxiv.1707.06366,
title = {RKL: a general, invariant Bayes solution for Neyman-Scott},
author = {Michael Brand},
journal= {arXiv preprint arXiv:1707.06366},
year = {2017}
}
备注
15 pages, 0 figures