1. Generate 0 with value of 1 or 2

1. Generate 0 with value of 1 or 2 with probability of 0.5 each.
2. Using the value of 0 generated in Step 1, generate six observations of X, x1, . . . ,x6, from the distribution PN (0).
3. Compute the posterior mean of 0 of this sample using the expression
4. Repeat Steps 1 through 3 m times. Denote the values of 0 generated in Step 1by 01, . . . ,0m, and the corresponding Bayes astimates computed in Step 3 by 01, . . . , 0m. The estimated mean squared error of the Bayes estimate is
We perform a simulation with m = 100,000 runs. The estimated mean squared error is 0.1103. Thus, the mean squared error of the Bayes estimate is lower than that of the Buhlmann credibility estimate (0.1251), which is in turn lower than that of the sample mean (0.25).

Hasil (Bahasa Indonesia) 1:

1. menghasilkan 0 dengan nilai 1 atau 2 dengan probabilitas 0.5 masing-masing.2. menggunakan nilai 0 dihasilkan pada langkah 1, menghasilkan enam pengamatan x, x 1,..., x 6, dari distribusi PN (0).3. menghitung rata-rata posterior 0 dari sampel ini menggunakan ekspresi4. Ulangi langkah 1 melalui kali 3 m. Menunjukkan nilai-nilai 0 yang dihasilkan dalam langkah 1by 01,..., 0m, dan astimates Bayes sesuai yang dihitung pada langkah 3 dengan 01,..., 0m. Perkiraan kesalahan kuadrat mean Bayes perkiraan adalahKami melakukan simulasi dengan m = 100.000 berjalan. Kesalahan kuadrat perkiraan rata-rata adalah 0.1103. Dengan demikian, berarti kesalahan kuadrat dari perkiraan Bayes lebih rendah daripada perkiraan kredibilitas Buhlmann (0.1251), yang pada gilirannya lebih rendah daripada mean sampel (0,25).