Objective Bayes and conditional inference in exponential families
指数族中的客观贝叶斯与条件推断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：摘要聚焦一般指数族中的贝叶斯与频率学推断，未涉及所列领域细分。
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
指数族中的客观贝叶斯与条件推断
- 研究问题
- 多参数指数族中，对典范参数使用客观贝叶斯方法时，后验分位数何时能以更高阶精度匹配条件频率学覆盖率？
- 方法与思路
- 作者推导施加于模型而非先验的条件，使无条件意义下一阶概率匹配先验自动获得高阶条件匹配，并与其他条件推断法比较。
- 材料陈述的贡献
- 摘要称给出连接无条件一阶匹配与高阶条件匹配的模型条件，并比较客观贝叶斯、参数 bootstrap 和解析方法。
- 阅读关注点
- 应核对条件化所依据的统计量、模型条件的形式、覆盖率近似阶数，以及一阶匹配先验的适用范围和比较标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体模型条件和高阶近似阶数未说明，不能断言任意客观先验都具有条件覆盖匹配性质。
原文摘要
Objective Bayes methodology is considered for conditional frequentist inference about a canonical parameter in a multi-parameter exponential family. A condition is derived under which posterior Bayes quantiles match the conditional frequentist coverage to a higher-order approximation in terms of the sample size. This condition is on the model, not on the prior, and it ensures that any first-order probability matching prior in the unconditional sense automatically yields higher-order conditional probability matching. Objective Bayes methods are compared to parametric bootstrap and analytic methods for higher-order conditional frequentist inference.