Bayesian frequentist hybrid inference
贝叶斯与频率学派的混合推断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：摘要讨论一般参数模型的混合推断，没有支持所列应用领域细分的直接证据。
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
贝叶斯与频率学派的混合推断
- 研究问题
- 当同一参数模型中的不同参数分别适合贝叶斯与频率学派方法时，如何构造联合估计并研究其渐近性质？
- 方法与思路
- 作者将参数划分为两个互不相交的子集，一部分采用贝叶斯估计，另一部分采用最大似然估计，形成混合程序。
- 材料陈述的贡献
- 摘要称，研究所提估计量的一致性和高阶渐近行为，展示应用，并由相关结果提出构造客观先验的新方法。
- 阅读关注点
- 应核对参数划分依据、两类估计如何联合求解，以及一致性、高阶展开与客观先验构造分别依赖哪些条件。
- 阅读边界
- 来源为稿件版本未注明的OpenAlex索引摘要；具体损失函数、先验和正则条件未说明，不能认定混合方法普遍优于两类原方法。
原文摘要
Bayesian and frequentist methods differ in many aspects, but share some basic optimality properties. In practice, there are situations in which one of the methods is more preferred by some criteria. We consider the case of inference about a set of multiple parameters, which can be divided into two disjoint subsets. On one set, a frequentist method may be favored and on the other, the Bayesian. This motivates a joint estimation procedure in which some of the parameters are estimated Bayesian, and the rest by the maximum-likelihood estimator in the same parametric model, and thus keep the strengths of both the methods and avoid their weaknesses. Such a hybrid procedure gives us more flexibility in achieving overall inference advantages. We study the consistency and high-order asymptotic behavior of the proposed estimator, and illustrate its application. Also, the results imply a new method for constructing objective prior.