Priors and Likelihood Ratios as Evidence
作为证据的先验与似然比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：摘要属于证据组合与信念测量的一般理论，未明确对应任何所列计量经济学领域细分。
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
作为证据的先验与似然比
- 研究问题
- 如何将个案诊断资料与类似案例的先验经验表示为证据，并建立信念强度同概率及似然比之间的测量关系？
- 方法与思路
- 作者用信念函数表示两类论据并通过 Dempster 规则组合，考察与贝叶斯定理相容的极限情形，再求解相关函数方程。
- 材料陈述的贡献
- 摘要称，函数方程导出连接信念强度、概率与似然比的单参数函数族，并提出测量参数的办法，作为信念测量的一种解法。
- 阅读关注点
- 应核对信念函数及组合规则的前提、极限情形如何成立，以及概念独立而不协调的论据怎样用于参数测量。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要。函数形式、测量操作与验证证据未说明；提出一种解法不等于证明其普遍适用。
原文摘要
Arguments based on diagnostic data concerning a particular case, and ones based on prior experience with like cases, can be represented by belief functions and combined by Dempster's Rule. In limiting cases, the belief functions depend on likelihood ratio or on prior odds, and when these limiting cases occur together, Bayes' Theorem is applicable as is Dempster's Rule. The resulting functional equations lead to a single-parameter family of functions relating belief strength to probability and to likelihood ratio. The parameter can be measured by studying the belief strength produced by conceptually independent dissonant arguments that point to a common conclusion. This provides one possible solution to the problem of fundamental measurement for Shafer's theory of belief.