The Linear Bayes Regression Estimator Under Weak Prior Assumptions
弱先验假设下的线性贝叶斯回归估计量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：摘要属于一般贝叶斯回归风险理论，未给出微观、宏观或金融应用对象，不能仅因回归估计而选择领域细分。
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
弱先验假设下的线性贝叶斯回归估计量
- 研究问题
- 在单变量回归中，怎样以较弱的先验假设明确确定线性贝叶斯估计量，并分析其风险与线性拟合程序可达最低风险的关系？
- 方法与思路
- 作者给出一组先验假设，显式求出单变量回归的线性贝叶斯估计量及其风险，再研究风险趋向线性拟合最低风险的性质。
- 材料陈述的贡献
- 摘要称，估计量和风险均可显式确定，且风险向任何线性拟合程序可达到的最低风险下降；速率文字存在排版歧义。
- 阅读关注点
- 应核对先验假设究竟限制哪些矩或分布、风险使用的损失定义及比较范围，并查阅原文确认被损坏的速率符号。
- 阅读边界
- 所据为稿件版本未注明的 OpenAlex 索引摘要；速率写作“0 ( n-1 )”，排版不清，需查阅原文，不能据此重构收敛阶。
原文摘要
A simple set of prior assumptions is given with respect to which the linear Bayes regression estimator, in the case of univariate regression, is determined explicitly. The risk, also determined explicitly, is shown to decrease,at rate 0 ( n-1 ), to the minimum risk attainable by any linear fitting procedure.