Asymptotics for posterior hazards
后验风险率的渐近理论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：摘要研究生存分析中的后验风险率，风险率并非金融尾部风险，缺少所列细分领域的直接依据。
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…
后验风险率的渐近理论
- 研究问题
- 在以完全随机测度的核混合建模风险率的贝叶斯非参数框架中，后验一致性及风险率泛函的渐近分布如何刻画？
- 方法与思路
- 作者研究这类核混合风险率模型的后验行为，分析后验一致性，并对固定样本量下的线性与二次泛函推导中心极限定理。
- 材料陈述的贡献
- 摘要称提供一般渐近结果，并针对不同核和混合测度给出具体化结论，包括所述较弱条件下的一致性与泛函极限定理。
- 阅读关注点
- 应区分后验一致性与固定样本量极限定理的渐近对象，核对核函数、混合测度及线性和二次泛函的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；固定样本量极限定理中趋于极限的对象未说明，不能自行补成样本量渐近。
原文摘要
An important issue in survival analysis is the investigation and the modeling of hazard rates. Within a Bayesian nonparametric framework, a natural and popular approach is to model hazard rates as kernel mixtures with respect to a completely random measure. In this paper we provide a comprehensive analysis of the asymptotic behavior of such models. We investigate consistency of the posterior distribution and derive fixed sample size central limit theorems for both linear and quadratic functionals of the posterior hazard rate. The general results are then specialized to various specific kernels and mixing measures yielding consistency under minimal conditions and neat central limit theorems for the distribution of functionals.