Posterior Distribution of a Dirichlet Process from Quantal Response Data
二元剂量响应数据下狄利克雷过程的后验分布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：摘要研究剂量响应数据的贝叶斯非参数后验计算，未涉及经济主体离散选择，不能仅因响应为二元而归入离散选择。
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
二元剂量响应数据下狄利克雷过程的后验分布
- 研究问题
- 针对多个剂量水平的二元响应数据，如何系统计算狄利克雷过程混合后验的有限维分布，并描述后验参数的渐近行为？
- 方法与思路
- 作者把有限维后验写为具有随机参数向量的多元 beta 分布，用各剂量水平对应的马尔可夫链描述更新，再研究其弱极限。
- 材料陈述的贡献
- 摘要称，论文提供有限维分布计算程序，建立相关链的随机微分方程极限，并给出后验随机参数向量的渐近正态性及矩递推。
- 阅读关注点
- 应核对剂量响应的观测模型、混合后验的计算方式、样本渐近安排，以及马尔可夫链极限与后验参数正态近似之间的关系。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；渐近条件和递推公式未提供，参数向量的正态性不能直接解释为整个随机分布的正态性。
原文摘要
The posterior distribution of a Dirichlet process from $N$ quantal responses at $r$ dosage levels has been recognized by Antoniak as a mixture of Dirichlet processes. The purpose of this paper is to develop a systematic procedure for computing finite-dimensional distributions of such mixtures which can be equivalently expressed as multivariate beta distributions with random parameter vectors. It is shown that the sequence of random parameter vectors of the updated beta posteriors from observations at increasing dosage levels evolves in a manner which is described by $r$ separate Markov chains. This description is then used to derive the asymptotic posterior distribution. The weak limits of the relevant Markov chains are shown to be solutions of certain stochastic differential equations and the random parameter vector of the posterior beta distribution is shown to be asymptotically normal, the mean vector and covariance matrix of which are given by recursion formulas.