Nonsubjective priors via predictive relative entropy regret
通过预测相对熵遗憾构造非主观先验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：摘要中的预测是一般贝叶斯决策准则，未涉及宏观预测或金融收益预测的具体对象。
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…
通过预测相对熵遗憾构造非主观先验
- 研究问题
- 如何依据后验预测的相对熵遗憾构造非主观先验，并在与其他非退化先验的预测表现比较中建立极小极大准则？
- 方法与思路
- 作者推导渐近预测损失函数并开展极小极大分析，将先验选择建立在相对于替代非退化先验的后验预测表现上。
- 材料陈述的贡献
- 摘要称提出不同于先验或后验相对熵遗憾的先验构造途径，说明若干有吸引力的性质，并通过具体例子展示理论。
- 阅读关注点
- 应核对预测遗憾的定义、替代先验集合、渐近展开条件，以及极小极大解的存在性、唯一性和参数化敏感性。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出所谓有吸引力性质及完整条件，不能判断有限样本预测表现。
原文摘要
We explore the construction of nonsubjective prior distributions in Bayesian statistics via a posterior predictive relative entropy regret criterion. We carry out a minimax analysis based on a derived asymptotic predictive loss function and show that this approach to prior construction has a number of attractive features. The approach here differs from previous work that uses either prior or posterior relative entropy regret in that we consider predictive performance in relation to alternative nondegenerate prior distributions. The theory is illustrated with an analysis of some specific examples.