The Robustness and Sensitivity of the Mixed-Dirichlet Bayesian Test for "Independence" in Contingency Tables
列联表独立性的混合 Dirichlet 贝叶斯检验：稳健性与敏感性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：摘要讨论一般列联表贝叶斯独立性检验，没有明确的经济或金融领域对象。
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
列联表独立性的混合 Dirichlet 贝叶斯检验：稳健性与敏感性
- 研究问题
- 混合 Dirichlet 先验构造的列联表独立性检验，对控制平坦化或收缩程度的超先验及其超超参数有多敏感？
- 方法与思路
- 作者回顾并推广既有检验，比较 κ 的不同广义对数 Student 超先验，并考察超先验分位数判断变化的影响。
- 材料陈述的贡献
- 摘要称实验支持采用对数 Cauchy 超先验或近似分布，且检验结果对用户给定的 κ 分位数在较宽范围内变化较稳健。
- 阅读关注点
- 应核对独立与依赖假设的先验构造、κ 的作用及分位数设定方式，以及所谓稳健性在哪些列联表和样本情形下成立。
- 阅读边界
- 仅据未注明稿件版本的 OpenAlex 索引摘要；实验范围和稳健性判据未说明，作者的超先验建议不能视为普遍最优结论。
原文摘要
A mixed-Dirichlet prior was previously used to model the hypotheses of "independence" and "dependence" in contingency tables, thus leading to a Bayesian test for independence. Each Dirichlet has a main hyperparameter $\kappa$ and the mixing is attained by assuming a hyperprior for $\kappa$. This hyperparameter can be regarded as a flattening or shrinking constant. We here review the method, generalize it and check the robustness and sensitivity with respect to variations in the hyperpriors and in their hyperhyperparameters. The hyperpriors examined included generalized log-Students with various numbers of degrees of freedom $\nu$. When $\nu$ is as large as 15 this hyperprior approximates a log-normal distribution and when $\nu = 1$ it is a log-Cauchy. Our experiments caused us to recommend the log-Cauchy hyperprior (or of course any distribution that closely approximates it). The user needs to judge values for the upper and lower quartiles, or any two quantiles, of $\kappa$, but we find that the outcome is robust with respect to fairly wide variations in these judgments.