디리클레 프로세스로 본 경험적 베이즈: 복합 결정 문제의 최적 해법

이 논문은 대규모 동시 추정 문제의 핵심 프레임워크인 가우시안 시퀀스 복합 결정 문제를 탐구합니다. 관측치 Z_i가 독립적으로 N(μ_i, 1)을 따른다고 할 때, 알려지지 않은 평균 벡터 μ=(μ_1,..., μ_n)을 추정하는 것이 목표입니다. 연구자들은 기존 경험적 베이즈(EB) 문헌에서 비모수적 최대우도추정량(NPMLE)이 보여준 뛰어난 빈도론적 위험 보장에 주목하며, 동일한 보장이 표준 베이지안 비모수적(BNP) 사전분포를 사용하여 달성될 수 있는지 질문을 던집니다. 연구는 두 가지 주요 데이터 생성 설정을 고려합니다: 1) **복합 결정(CD) 설정**: 평균 벡터 μ가 고정된 불확실 매개변수인 순수 빈도론적 관점. 2) **계층적(또는 EB) 설정**: 각 μ_i가 미지의 분포 G로부터 i.i.d.로 생성된다는 작업 모형 하에서의 분석. 주요 기여는 다음과 같습니다. 먼저, 디리클레 프로세스(DP)를 사전분포(Π)로 사용한 베이지안 추정량, 즉 사후평균 ^μ_BB = E_Π