Bayesian Analysis of Stochastically Ordered Distributions of Categorical Variables
分类变量随机有序分布的贝叶斯分析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：摘要关注一般分类分布的随机序与贝叶斯检验，没有离散选择行为模型或经济分布效应的直接文本依据。
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…
分类变量随机有序分布的贝叶斯分析
- 研究问题
- 对于共享有限支持集的多个离散分布，如何评估样本对指定随机序假设的证据，并在该排序约束下估计分布？
- 方法与思路
- 作者提出区别于假设后验概率和贝叶斯因子的贝叶斯分析途径，开发计算方法，并用示例说明检验与约束估计。
- 材料陈述的贡献
- 摘要称提供了随机序约束下的推断和计算方法，且所用假设检验思路可推广到较广的贝叶斯问题，但未详述优势内容。
- 阅读关注点
- 应核对随机序约束的定义、先验与证据度量的构造，以及方法与后验概率、贝叶斯因子在解释和计算上的差别。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明具体证据指标和优势条件，随机排序也不能直接解释为因果分布效应。
原文摘要
This article considers a finite set of discrete distributions all having the same finite support. The problem of interest is to assess the strength of evidence produced by sampled data for a hypothesis of a specified stochastic ordering among the underlying distributions and to estimate these distributions subject to the ordering. We present a Bayesian approach that is an alternative to using the posterior probability of the hypothesis and the Bayes factor in favor of the hypothesis. We develop computational methods for the implementation of Bayesian analyses. We analyze examples to illustrate inferential and computational developments. The methodology used for testing a hypothesis is seen to apply to a wide class of problems in Bayesian inference and has some distinct advantages.