跳到正文
← 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:摘要属于通用统计推断与区间估计理论,没有足够文本依据对应所列细分领域。

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
Thomas A. Severini

近似贝叶斯推断

研究问题
研究用一整套区间估计概括标量参数信息时,如何衡量其接近某个先验下贝叶斯推断的程度,并分析非贝叶斯区间方法。
方法与思路
作者提出衡量区间估计系统与贝叶斯形式接近程度的指标,据此考察若干非贝叶斯区间方法,并通过多个实例说明。
材料陈述的贡献
摘要明确提出一种贝叶斯接近程度的度量,为比较区间估计的形式提供分析工具,但未说明度量公式或具体比较结论。
阅读关注点
应核对区间系统的定义、接近度量的性质、允许使用的先验范围,以及所讨论逻辑困难与频率覆盖性质之间的关系。
阅读边界
材料为OpenAlex索引摘要,稿件版本未注明;接近度量和实例结果未展开,不能由接近贝叶斯形式推出覆盖率更好或推断刊本变化。

原文摘要

Consider statistical inference about a scalar parameter and suppose that information about that parameter is to be summarized by a system of interval estimates. It is well known that methods of interval estimation that do not correspond to Bayesian inference with respect to some prior distribution have some logical difficulties. This article proposes a measure of how close a system of interval estimates is to being of Bayesian form. Using this measure, several non-Bayesian methods of interval estimation are analyzed; these results are illustrated on several examples.

笔记与分组
相关领域论文