Coverage of credible intervals in nonparametric monotone regression
非参数单调回归中可信区间的覆盖率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：摘要研究一般单调回归的贝叶斯覆盖率，未明确涉及经济因果、分位数或其他所列细分方向。
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
非参数单调回归中可信区间的覆盖率
- 研究问题
- 在回归函数受单调性约束时，内点函数值的贝叶斯可信区间具有怎样的频率学覆盖率，能否通过校准达到目标覆盖？
- 方法与思路
- 作者以正态系数的有限随机阶梯函数级数为先验，将共轭后验样本投影为单调函数，再用投影后验构造点值可信区间。
- 材料陈述的贡献
- 摘要称所得渐近覆盖率不含涉及真实函数的干扰参数，通常高于名义可信水平，并可通过降低初始可信水平进行再校准。
- 阅读关注点
- 阅读时应核对投影使用的距离、先验与真实函数条件、内点要求，以及再校准水平的计算和有限样本表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；结论针对单调回归内点的渐近覆盖，未说明边界点、同时区间或有限样本保证。
原文摘要
For nonparametric univariate regression under a monotonicity constraint on the regression function f, we study the coverage of a Bayesian credible interval for f(x0), where x0 is an interior point. Analysis of the posterior becomes a lot more tractable by considering a “projection-posterior” distribution based on a finite random series of step functions with normal basis coefficients as a prior for f. A sample f from the resulting conjugate posterior distribution is projected on the space of monotone increasing functions to obtain a monotone function f∗ closest to f, inducing the “projection-posterior.” We use projection-posterior samples to obtain credible intervals for f(x0). We obtain the asymptotic coverage of the credible interval thus constructed and observe that it is free of nuisance parameters involving the true function. We observe a very interesting phenomenon that the coverage is typically higher than the nominal credibility level, the opposite of a phenomenon observed by Cox (Ann. Statist. 21 (1993) 903–923) in the Gaussian sequence model. We further show that a recalibration gives the right asymptotic coverage by starting from a lower credibility level that can be explicitly calculated.