泊松混合模型经验贝叶斯最小距离估计研究

2026年10月7日，arXiv Statistics Machine Learning 发布一项研究，提出针对泊松混合模型的非参数经验贝叶斯方法。该方法通过对未知混合分布进行正则与粗化最小距离估计，使插件估计在大样本下渐近逼近 oracle Bayes 估计。研究还指出，当混合分布支撑有限时，其收敛率接近参数级，仅差一个对数因子。目前该成果为预印本阶段，报道未提及其他验证或后续进展。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。