The Nested Dirichlet Process
嵌套狄利克雷过程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：摘要聚焦多中心结局分布的贝叶斯非参数建模与聚类，未明确研究分布效应、面板结构或其他所列经济学方向。
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…
嵌套狄利克雷过程
- 研究问题
- 在多中心研究中，如何非参数地描述各中心不同的结局分布，同时跨中心共享信息，并让相似中心形成聚类？
- 方法与思路
- 作者从狄利克雷过程的断棍表示出发，以来自另一狄利克雷过程的随机概率测度替代原子，构造嵌套先验并开发 MCMC。
- 材料陈述的贡献
- 摘要称，同一过程成分中的中心会自动聚类，文章讨论理论性质并提供计算算法，以模拟和美国医院护理质量数据说明。
- 阅读关注点
- 应核对嵌套先验怎样实现分布共享与中心聚类、先验参数的作用，以及理论性质、算法效率和应用结论的具体范围。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；具体理论性质、先验敏感性及模拟数值未说明，不能补推未提供的性质。
原文摘要
In multicenter studies, subjects in different centers may have different outcome distributions. This article is motivated by the problem of nonparametric modeling of these distributions, borrowing information across centers while also allowing centers to be clustered. Starting with a stick-breaking representation of the Dirichlet process (DP), we replace the random atoms with random probability measures drawn from a DP. This results in a nested DP prior, which can be placed on the collection of distributions for the different centers, with centers drawn from the same DP component automatically clustered together. Theoretical properties are discussed, and an efficient Markov chain Monte Carlo algorithm is developed for computation. The methods are illustrated using a simulation study and an application to quality of care in U.S. hospitals.