Bayes Factors from Mixed Probabilities
混合概率下的贝叶斯因子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：摘要讨论通用贝叶斯因子与意见汇集，未提供所列计量细分方向的直接依据。
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
混合概率下的贝叶斯因子
- 研究问题
- 边际贝叶斯因子如何由条件贝叶斯因子组合得到，以及这种关系如何解释统计量信息损失、假设比较与抽样前的意见汇集？
- 方法与思路
- 作者给出将贝叶斯因子表示为条件贝叶斯因子加权平均的新表达式，并类比边际概率与条件概率之间的混合关系。
- 材料陈述的贡献
- 摘要称，该表达式可解释非充分统计量的使用、简单假设与模糊备择的比较，以及抽样之前的意见汇集三种情境。
- 阅读关注点
- 应核对加权平均中的权重如何定义，各类假设与先验如何进入表达式，以及三种解释分别依赖哪些条件。
- 阅读边界
- 这里只依据 Crossref 摘要；摘要未说明权重公式、先验限制或证明条件，不能判断该表达式在具体模型中的适用范围。
原文摘要
Summary A new expression for a Bayes factor as a weighted average of conditional Bayes factors is given, resembling the familiar relation for a marginal probability as a weighted average of conditional probabilities. Interpretations are given for the three contexts of (i) the use of a non-sufficient statistic, (ii) inference for a simple hypothesis versus a vague alternative in terms of inference for a dichotomy and (iii) opinion pooling before sampling.