Bayesian simultaneous estimation for means in k-sample problems
Bayesian simultaneous estimation for means in k-sample problems
复制标题
k 样本问题中均值的贝叶斯同时估计
DOI：
10.1016/j.jmva.2018.08.013
复制
发表时间：
2019
影响因子：
1.6
通讯作者：
Ghosh Malay
中科院分区：
文献类型：
--
作者：
Imai Ryo;Kubokawa Tatsuya;Ghosh Malay
本文关注的是当怀疑 k 均值几乎相等时同时估计 k 总体均值。作为基于检验统计量的初步检验估计量的替代方案，用于检验均值相等的假设，我们推导出贝叶斯估计量和极小极大估计量，它们将单个样本均值缩小到假设下给出的汇总均值估计量。结果表明，通过缩小合并均值估计量，初步测试估计量和贝叶斯极小最大收缩估计量都得到了进一步改进。通过仿真研究了所提出的收缩估计器的性能。
This paper is concerned with the simultaneous estimation of k population means when one suspects that the k means are nearly equal. As an alternative to the preliminary test estimator based on the test statistics for testing hypothesis of equal means, we derive Bayesian and minimax estimators which shrink individual sample means toward a pooled mean estimator given under the hypothesis. It is shown that both the preliminary test estimator and the Bayesian minimax shrinkage estimators are further improved by shrinking the pooled mean estimator. The performance of the proposed shrinkage estimators is investigated by simulation.
两个样本问题中初步测试估计器的经验和分层贝叶斯竞争者
影响因子：
1.6
作者：
M. Ghosh;B. K. Sinha
通讯作者：
B. K. Sinha
影响因子：
4.5
作者：
Li Sun
通讯作者：
Li Sun
两个样本问题中均值向量的估计
影响因子：
1.6
作者：
François Perron
通讯作者：
François Perron