Accurate Approximations for Posterior Moments and Marginal Densities
后验矩与边际密度的精确近似方法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：摘要提出通用贝叶斯计算近似方法，没有足够证据归入所列应用领域细分。
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
后验矩与边际密度的精确近似方法
- 研究问题
- 如何在减少高阶导数计算的情况下，近似参数正函数的后验均值和方差，以及任意参数的边际后验密度与预测密度？
- 方法与思路
- 作者通过最大化略作修改的似然函数，并在极大值处计算观测信息来构造近似；摘要指出似然与先验乘积单峰是主要条件。
- 材料陈述的贡献
- 摘要称，所得近似通常与需要三阶导数的展开同样准确，某些情况下更准确，边际密度近似的行为类似鞍点近似。
- 阅读关注点
- 应核对修改目标函数的具体方式、误差阶与完整正则条件，并检查单峰假设、边界参数及偏斜后验下的适用性。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要仅指出主要正则条件，未提供完整误差界，不能推断多峰后验也适用。
原文摘要
This article describes approximations to the posterior means and variances of positive functions of a real or vector-valued parameter, and to the marginal posterior densities of arbitrary (i.e., not necessarily positive) parameters. These approximations can also be used to compute approximate predictive densities. To apply the proposed method, one only needs to be able to maximize slightly modified likelihood functions and to evaluate the observed information at the maxima. Nevertheless, the resulting approximations are generally as accurate and in some cases more accurate than approximations based on third-order expansions of the likelihood and requiring the evaluation of third derivatives. The approximate marginal posterior densities behave very much like saddle-point approximations for sampling distributions. The principal regularity condition required is that the likelihood times prior be unimodal.