复合假设下法医证据强度的经验 Bayes 视角：基于固定先验分位数

受法医中确定连续分布证据测量的证据强度这一问题的启发，在检察官与辩护方关于参数模型参数的复合假设情形下，我们考虑具有给定先验分布分位数值的经验 Bayes 方法。首先，我们推导了非参数先验下的证据强度。结果表明，我们得到了如今或多或少被接受的以两个上确界之比表示的证据强度，即 $\sup_{\theta\geq\theta_0}f(x|\theta)/\sup_{\theta<\theta_0}f(x|\theta)$。此处检察官与辩护方的假设分别为 $H_p: \theta\geq \theta_0$ 与 $H_d:\theta<\theta_0$。证据被视为测量值 $x$，它是具有密度 $f(x|\theta)$ 的随机变量的一个实现。其次，我们考虑了类似的带有先验分位数限制的参数经验 Bayes 方法，其中假设先验分布为正态。针对此情形推导出了一些有趣的证据强度函数。