Prediction and Decision Problems in Regression Models from the Bayesian Point of View
贝叶斯视角下回归模型中的预测与决策问题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：摘要以通用贝叶斯回归预测为主，投资示例未明确涉及资产定价或收益预测，故不分类。
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
贝叶斯视角下回归模型中的预测与决策问题
- 研究问题
- 如何从正态回归模型的贝叶斯预测密度得到最优点预测，并将预测分布用于投资示例及其他决策问题的分析？
- 方法与思路
- 作者回顾正态多元回归预测密度的推导，陈述并证明最优点预测的一般定理，再推导多元正态回归的预测密度。
- 材料陈述的贡献
- 摘要称，文章将预测密度、最优点预测定理与决策分析联系起来，并展示投资问题及多元正态回归中的应用思路。
- 阅读关注点
- 应核对先验选择、预测密度存在的条件、最优点预测对应的损失函数，以及投资示例如何把预测不确定性纳入决策。
- 阅读边界
- 来源为 OpenAlex 索引摘要，稿件版本未注明；摘要未说明先验、损失函数或投资问题细节，不能据此推断收益预测能力。
原文摘要
In this paper we review the derivation of the predictive density function for the normal multiple regression model, state and prove a general theorem on optimal point prediction, and show how the predictive density can be employed in the analysis of an illustrative investment problem. Then we derive the predictive density function for the multivariate normal regression model and indicate how it can be used in the analysis of several problems.