Bayesian nonparametric inference on stochastic ordering
随机序约束下的贝叶斯非参数推断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：摘要直接研究组别分布估计、随机序约束及分布相等性检验，属于分布推断方向。
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
随机序约束下的贝叶斯非参数推断
- 研究问题
- 多组未知分布受部分随机序约束时，如何检验组间相等性并灵活估计各组分布，同时保留该序约束？
- 方法与思路
- 作者提出受约束的依赖 Dirichlet 过程先验，用于未知分布及混合分布，并开发马尔可夫链蒙特卡洛后验计算。
- 材料陈述的贡献
- 摘要称所提先验在随机有序分布空间具有全支撑，可构造灵活混合模型，并以 DNA 损伤与修复数据示范。
- 阅读关注点
- 应核对部分随机序的定义、全支撑所对应的拓扑、相等性检验的构造，以及后验计算的实际收敛表现。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；摘要未说明后验一致性、检验校准或数值结果，全支撑不能替代这些结论，也不能推断刊本变化。
原文摘要
This article considers Bayesian inference about collections of unknown distributions subject to a partial stochastic ordering. To address problems in testing of equalities between groups and estimation of group-specific distributions, we propose classes of restricted dependent Dirichlet process priors. These priors have full support in the space of stochastically ordered distributions, and can be used for collections of unknown mixture distributions to obtain a flexible class of mixture models. Theoretical properties are discussed, efficient methods are developed for posterior computation using Markov chain Monte Carlo, and the methods are illustrated using data from a study of DNA damage and repair.