Non-conjugate Prior Distribution Assessment for Multivariate Normal Sampling
多元正态抽样模型的非共轭先验分布评估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：摘要研究通用贝叶斯先验 elicitation，未给出可对应所列微观、宏观或金融细分领域的对象。
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…
多元正态抽样模型的非共轭先验分布评估
- 研究问题
- 当共轭先验对均值与协方差施加的关系难以表达专家意见时，如何分别量化专家对这两类参数的先验判断？
- 方法与思路
- 作者假设均值与协方差的先验意见独立，分别采用多元正态及逆Wishart或广义逆Wishart分布，并设计提问方法。
- 材料陈述的贡献
- 摘要称提出分开获取参数意见的提问形式，发展广义逆Wishart参数关系的结果，并尽可能利用无条件评估。
- 阅读关注点
- 应核对先验独立假设如何落实、专家回答如何映射到分布参数，以及广义逆Wishart参数的约束和解释。
- 阅读边界
- 仅据所给Crossref摘要，先验独立是作者采用的设定；摘要未说明意见不一致时的处理，也不能判断该方法的普遍准确性。
原文摘要
Summary Elicitation methods are proposed for quantifying expert opinion about a multivariate normal sampling model. The natural conjugate prior family imposes a relationship between the mean vector and the covariance matrix that can portray an expert's opinion poorly. Instead we assume that opinions about the mean and the covariance are independent and suggest innovative forms of question which enable the expert to quantify separately his or her opinion about each of these parameters. Prior opinion about the mean vector is modelled by a multivariate normal distribution and about the covariance matrix by both an inverse Wishart distribution and a generalized inverse-Wishart (GIW) distribution. To construct the latter, results are developed that give insight into the GIW parameters and their interrelationships. Certain of the elicitation methods exploit unconditional assessments as fully as possible, since these can reflect an expert's beliefs more accurately than conditional assessments. Methods are illustrated through an example.