Local Sensitivity of Inferences to Prior Marginals
推断对先验边际分布的局部敏感性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：摘要研究通用贝叶斯敏感性分析，未明确涉及所列领域的专门模型或应用。
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
推断对先验边际分布的局部敏感性
- 研究问题
- 在高维或多参数贝叶斯模型中，先验边际分布的小幅扰动会如何影响后验期望，并在层级模型的不同阶段传播？
- 方法与思路
- 作者把后验期望视为先验边际分布的泛函，在名义先验处计算导数，以局部敏感性度量替代遍历先验类别的范围评估。
- 材料陈述的贡献
- 摘要称，该方法获得多参数敏感性传播的定性与定量结果，计算上更便于处理高维问题，并用于评估层级分布假设的影响。
- 阅读关注点
- 阅读时应核对允许的先验扰动、泛函导数的存在条件及计算方法，并检查局部敏感性如何随层级依赖结构传播。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；扰动空间和具体结果未说明，局部导数不能据此保证大幅先验变化下的稳健性。
原文摘要
The sensitivity of posterior expectations to perturbations of prior marginals is investigated, using a local method. This approach is particularly well suited to high-dimensional parameter spaces. Qualitative and quantitative results are obtained regarding the propagation of sensitivity in multiparameter settings. More specifically, a posterior expectation is treated as a functional of the prior marginal. The derivative of this functional is evaluated at the nominal prior marginal, yielding a measure of sensitivity. This is computationally more feasible than evaluating the range of a posterior quantity over a class of priors; hence sensitivity can be assessed in high-dimensional problems. The local technique is used to assess the influence of distributional assumptions at the various stages of a hierarchical model.