SOLDES
Jusqu'à -70% sur une sélection d'articles*
Empirical Bayes Estimators of Positive Parameters in Hierarchical Models under Stein's Loss Function
Par :Formats :
Disponible dans votre compte client Decitre ou Furet du Nord dès validation de votre commande. Le format PDF est :
- Compatible avec une lecture sur My Vivlio (smartphone, tablette, ordinateur)
- Compatible avec une lecture sur liseuses Vivlio
- Pour les liseuses autres que Vivlio, vous devez utiliser le logiciel Adobe Digital Edition. Non compatible avec la lecture sur les liseuses Kindle, Remarkable et Sony
, qui est-ce ?Notre partenaire de plateforme de lecture numérique où vous retrouverez l'ensemble de vos ebooks gratuitement
Pour en savoir plus sur nos ebooks, consultez notre aide en ligne ici
C'est si simple ! Lisez votre ebook avec l'app Vivlio sur votre tablette, mobile ou ordinateur :
- Nombre de pages356
- FormatPDF
- ISBN978-2-7598-3912-4
- EAN9782759839124
- Date de parution31/12/2025
- Protection num.pas de protection
- Taille9 Mo
- Infos supplémentairespdf
- ÉditeurEDP Sciences
Résumé
This book presents in-depth research on positive parameters of hierarchical models under Stein's loss function and proposes a novel empirical Bayesian estimation method. By integrating Stein's loss function with empirical Bayesian estimation, the book tackles key challenges in estimating positive parameters that traditional methods struggle to address. It provides numerical simulations for each hierarchical model from at least four perspectives and analyzes extensive real-world data to empirically validate the effectiveness of the proposed method.
The findings demonstrate that the MLE method outperforms the moment method in terms of consistency, goodness-of-fit, Bayes estimators, and PESLs. The book is intended for graduate students, teachers, and researchers in statistics, particularly those interested in empirical Bayes analysis, positive parameters, hierarchical models and mixture distributions, Stein's loss function, and other loss functions.
The findings demonstrate that the MLE method outperforms the moment method in terms of consistency, goodness-of-fit, Bayes estimators, and PESLs. The book is intended for graduate students, teachers, and researchers in statistics, particularly those interested in empirical Bayes analysis, positive parameters, hierarchical models and mixture distributions, Stein's loss function, and other loss functions.