Bayesian Estimation of Parameters of a Multivariate Normal Distribution
多元正态分布参数的贝叶斯估计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：摘要涉及多元正态参数的通用贝叶斯估计，没有明确对应所列经济计量领域细分的应用或模型结构。
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
多元正态分布参数的贝叶斯估计
- 研究问题
- 在多元正态分布的离散矩阵完全未知时，如何对均值、离散矩阵及其行列式所定义的广义方差进行贝叶斯估计？
- 方法与思路
- 作者将既有贝叶斯分析方法用于均值与离散矩阵中一个或两个未知的情形，分别讨论相关参数的估计问题。
- 材料陈述的贡献
- 摘要称，研究部分填补了既有工作未处理离散矩阵完全未知情形的缺口，覆盖均值、矩阵与广义方差的估计。
- 阅读关注点
- 阅读全文时应核对先验分布、损失函数和估计准则，并区分不同参数已知或未知时的后验推导与估计形式。
- 阅读边界
- 仅据所给 Crossref 摘要；具体先验、后验表达式与决策性质均未说明，不能据此判断估计表现或刊本变化。
原文摘要
Summary A significant omission from the work of Raiffa and Schlaifer (1961) relating to a multivariate normal distribution is consideration of the case when the dispersion matrix is completely unknown. This paper partially fills the gap by applying the methods of Raiffa and Schlaifer to the particular problems of estimating the mean μ, the dispersion matrix ∑, and the generalized variance | ∑ |, when either or both of μ and ∑ are unknown.