Asymptotic properties of approximate Bayesian computation
近似贝叶斯计算的渐近性质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：摘要讨论适用于一般难计算似然模型的贝叶斯渐近理论，未明确限定结构估计或其他所列应用，因此不作细分归类。
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…
近似贝叶斯计算的渐近性质
- 研究问题
- 在似然函数难以计算的模型中，近似贝叶斯计算所得后验如何向真实参数集中，其极限形状和后验均值的渐近分布如何确定？
- 方法与思路
- 作者依据容差的收缩速率、摘要统计量的正则条件和真实参数识别条件，分析后验集中速率、极限形状及后验均值分布。
- 材料陈述的贡献
- 摘要称，论文给出了近似贝叶斯计算后验集中、分布形状和后验均值的通用渐近结果，并讨论这些结果对实际使用的含义。
- 阅读关注点
- 应核对容差与样本量的速率关系、摘要统计量保留的识别信息，以及不同条件对应的后验形状和后验均值渐近结论。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体容差速率、识别条件及极限分布未提供，不能推断刊本变化或重构定理。
原文摘要
Approximate Bayesian computation allows for statistical analysis using models with intractable likelihoods. In this paper we consider the asymptotic behaviour of the posterior distribution obtained by this method. We give general results on the rate at which the posterior distribution concentrates on sets containing the true parameter, the limiting shape of the posterior distribution, and the asymptotic distribution of the posterior mean. These results hold under given rates for the tolerance used within the method, mild regularity conditions on the summary statistics, and a condition linked to identification of the true parameters. Implications for practitioners are discussed.