The Detection of Influential Observations for Allocation, Separation, and the Determination of Probabilities in a Bayesian Framework
贝叶斯框架下归类、总体区分与概率确定中的影响观测检测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：摘要研究通用贝叶斯归类与观测影响诊断，金融数据仅作演示，未提供所列金融或微观细分方向的直接依据。
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…
关注这篇论文的作者
贝叶斯框架下归类、总体区分与概率确定中的影响观测检测
- 研究问题
- 在正态理论下的贝叶斯预测分析中，个别观测会如何影响未来样本的归类、总体之间的区分及未来个案概率的确定？
- 方法与思路
- 作者从预测角度讨论正态理论下的区分与归类问题，定义影响统计量来衡量特定观测对不同推断目标的影响，并用金融数据说明。
- 材料陈述的贡献
- 摘要将观测影响诊断对应到未来归类、总体区分和个案概率三个目标，并用一组既有金融数据展示方法，未报告量化结果。
- 阅读关注点
- 核对贝叶斯预测分布与先验的设定、影响统计量的定义和观测扰动方式，以及三个推断目标对单个观测的敏感性如何度量。
- 阅读边界
- 摘要未说明先验、影响阈值、样本结构或比较结果，不能判断诊断的稳定性，也不能确认方法在其他分布设定下的适用性。
原文摘要
Normal theory separation and allocation problems are discussed from a predictive point of view. Influence statistics are defined and employed to ascertain the impact that particular observations will have on the inferential goals—allocation of future observations, separation between populations, and the determination of probabilities for future cases. Methods are illustrated on a collection of financial data taken from Johnson and Wichern (1982).