Bayesian Non-Parametric Inference for Species Variety with a Two-Parameter Poisson–Dirichlet Process Prior
双参数 Poisson–Dirichlet 过程先验下的物种多样性贝叶斯非参数推断AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究物种抽样与基因组预测，未提供与所列宏观预测或其他计量细分直接对应的证据。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
双参数 Poisson–Dirichlet 过程先验下的物种多样性贝叶斯非参数推断
- 研究问题
- 给定已观测的物种样本，如何预测新增样本中的物种多样性，并解决基因组应用中大规模样本带来的计算困难？
- 方法与思路
- 作者在双参数 Poisson–Dirichlet 模型下推导显式估计表达式，结合新增物种数的条件渐近结果与模拟构造后验区间。
- 材料陈述的贡献
- 摘要称，显式表达式便于处理不同样本规模，并得到渐近最高后验密度区间，以五组表达序列标签数据展示实现。
- 阅读关注点
- 应核对预测目标的定义、模型参数与先验设定、显式表达式的计算代价，以及渐近后验区间在有限样本中的表现。
- 阅读边界
- 依据所给 Crossref 摘要；具体渐近条件、区间近似误差及五组数据的分析结果未说明，不能推断对其他物种模型同样适用。
原文摘要
Summary A Bayesian non-parametric methodology has been recently proposed to deal with the issue of prediction within species sampling problems. Such problems concern the evaluation, conditional on a sample of size n, of the species variety featured by an additional sample of size m. Genomic applications pose the additional challenge of having to deal with large values of both n and m. In such a case the computation of the Bayesian non-parametric estimators is cumbersome and prevents their implementation. We focus on the two-parameter Poisson–Dirichlet model and provide completely explicit expressions for the corresponding estimators, which can be easily evaluated for any sizes of n and m. We also study the asymptotic behaviour of the number of new species conditionally on the observed sample: such an asymptotic result, combined with a suitable simulation scheme, allows us to derive asymptotic highest posterior density intervals for the estimates of interest. Finally, we illustrate the implementation of the proposed methodology by the analysis of five expressed sequence tags data sets.