Asymptotic calibration
渐近校准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：摘要研究任意序列上的一般概率预测校准，未给出宏观预测或收益预测的领域依据。
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
渐近校准
- 研究问题
- 面对任意事件序列，预测者能否使发布的事件概率与对应经验频率渐近接近，随机化在这一目标中有何作用？
- 方法与思路
- 作者把概率预测表述为预测者与自然之间的博弈：自然选择数据序列，预测者选择算法，并比较允许和禁止随机化的情形。
- 材料陈述的贡献
- 摘要称确定性预测总存在表现不佳的数据序列，而允许随机化后，预测概率与经验概率能够达到任意接近的程度。
- 阅读关注点
- 应核对校准误差的定义、博弈中的信息与选择顺序，以及随机化算法的保证通过何种概率或渐近意义表述。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；算法、收敛速度与保证方式未说明，校准结论也不能直接等同于预测准确性。
原文摘要
Can we forecast the probability of an arbitrary sequence of events happening so that the stated probability of an event happening is close to its empirical probability? We can view this prediction problem as a game played against Nature, where at the beginning of the game Nature picks a data sequence and the forecaster picks a forecasting algorithm. If the forecaster is not allowed to randomise, then Nature wins; there will always be data for which the forecaster does poorly. This paper shows that, if the forecaster can randomise, the forecaster wins in the sense that the forecasted probabilities and the empirical probabilities can be made arbitrarily close to each other.