Is the Tail Area Useful as an Approximate Bayes Factor?
尾部概率能否作为贝叶斯因子的近似？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：摘要讨论通用频率学派与贝叶斯检验证据的关系，未明确对应所列经济计量细分。
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
尾部概率能否作为贝叶斯因子的近似？
- 研究问题
- 传统检验的尾部概率与贝叶斯因子之间存在什么关系，仅使用“显著”事件能否近似完整数据所提供的贝叶斯证据？
- 方法与思路
- 作者建立尾部概率与显著事件贝叶斯因子的相关不等式，将后者表示为完整数据贝叶斯因子的加权平均，并作正态情形比较。
- 材料陈述的贡献
- 摘要称，论文推广 Lindley 统计悖论，给出传统双侧临界显著性水平的贝叶斯解释，并以例子和讨论支持题名问题的否定回答。
- 阅读关注点
- 应核对尖锐假设、先验与显著事件的定义，不等式和加权平均的条件，以及正态模型结论能否推广到其他采样模型。
- 阅读边界
- OpenAlex 索引摘要版本未注明，未列出先验及不等式条件；其否定回答不能解释为所有模型中均不存在有用近似。
原文摘要
Inequalities are given relating the tail area for a nested sharp hypothesis to the Bayes factor based on the event of “significance” considered as data. This Bayes factor based on an insufficient statistic is, in turn, expressed as a weighted average of full-data Bayes factors. Lindley's “statistical paradox” is generalized and other comparisons made in the normal sampling context. A new Bayesian interpretation is given for the traditional two-tailed critical level. An example and the discussion suggest a negative answer to the question in the title.