Bayesian analysis of multistate event history data: beta-Dirichlet process prior
多状态事件史数据的贝叶斯分析：beta–Dirichlet 过程先验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：摘要聚焦多状态过程的贝叶斯先验，信用历史应用未明确涉及所列金融尾部或系统性风险方向。
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
多状态事件史数据的贝叶斯分析：beta–Dirichlet 过程先验
- 研究问题
- 对用于多状态事件史数据的有限状态马尔可夫过程，如何为累积强度函数设置便于贝叶斯更新的先验并扩展至回归模型？
- 方法与思路
- 作者引入称为 beta–Dirichlet 过程的新先验，用于累积强度函数，并将该先验用于贝叶斯半参数回归模型。
- 材料陈述的贡献
- 摘要称证明了新先验的共轭性，并通过信用历史数据展示所提模型的应用；未给出后验计算或应用结果的具体细节。
- 阅读关注点
- 核对先验过程的定义、共轭成立的观测机制与似然形式，并查看回归扩展、后验计算及信用状态如何定义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；转移结构、观测条件和信用数据结果未说明，不能据此推断尾部或系统性风险结论。
原文摘要
Bayesian analysis of a finite state Markov process, which is popularly used to model multistate event history data, is considered. A new prior process, called a beta-Dirichlet process, is introduced for the cumulative intensity functions and is proved to be conjugate. In addition, the beta-Dirichlet prior is applied to a Bayesian semiparametric regression model. To illustrate the application of the proposed model, we analyse a dataset of credit histories.