Elimination of nuisance parameters with reference priors
利用参考先验消除干扰参数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：摘要讨论一般多参数统计推断与参考先验，没有足够文本依据归入所列具体计量领域。
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
利用参考先验消除干扰参数
- 研究问题
- 多参数模型中，基于参考先验的贝叶斯分析与剖面似然及其修正相比，如何处理干扰参数，区间覆盖表现有何差异？
- 方法与思路
- 作者从不同角度讨论干扰参数消除，将参考先验分析与标准似然方法比较，并通过多参数问题的例子考察推断表现。
- 材料陈述的贡献
- 摘要称，在所考察例子中，参考先验可信集的频率学覆盖优于似然方法所得区间，并讨论两类分析的优势与不足。
- 阅读关注点
- 应核对参考先验的构造、参数排序与区间定义，确认覆盖比较涉及哪些模型、样本情形，以及结论能否超出这些例子。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；具体模型和覆盖结果未说明，不能将例子中的优势视为普遍结论。
原文摘要
The problem of eliminating nuisance parameters is tackled from different points of view. Standard likelihood techniques, such as profile likelihood and its modifications, are compared with a Bayesian analysis based on reference priors (Berger & Bernardo, 1992a). Examples are considered to illustrate what happens in multiparameter problems. In particular the frequentist coverage probabilities of the credible sets derived from the reference priors are shown to be better than those computed from a likelihood approach. Advantages and disadvantages of Bayesian and likelihood analyses are discussed.