A Bayesian approach to transformations to normality
正态化变换的贝叶斯方法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：摘要属于一般变换与贝叶斯推断方法，未明确对应给定领域细分。
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…
关注这篇论文的作者
正态化变换的贝叶斯方法
- 研究问题
- 在线性模型的正态化变换分析中，如何选择不依赖观测结果的非信息先验，并同时考察变换后的同方差性与可加性？
- 方法与思路
- 作者重新考察Box–Cox变换分析，倡导另一种未归一化的非信息先验，用于变换选择及相关模型性质的贝叶斯推断。
- 材料陈述的贡献
- 摘要称新先验使最佳正态化变换、同方差性与可加性的似然推断和贝叶斯推断在形式上保持一致，并提及相关扩展。
- 阅读关注点
- 应核对先验的具体形式及其不依赖结果的含义，以及所谓形式一致适用的推断对象、成立条件和扩展问题。
- 阅读边界
- 仅据未注明稿件版本的OpenAlex索引摘要；先验与后验的具体性质未说明，形式一致不代表频率覆盖率等性质相同。
原文摘要
The analysis of transformation of observations in the linear model with normal errors proposed by Box & Cox (1964) is considered. A different choice of noninformative unnormed prior is advocated, which is not outcome dependent. This new selection of prior leads to a formal identity between likelihood and Bayesian inference, both for the estimation of the best transformation to normality and for the presence of homoscedasticity and additivity under this transformation. Extension to a related problem is mentioned.