On Sample-Size Selection and the Evaluation of Discriminability in the Model Choice Problem
模型选择中的样本量选择与可区分性评估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：摘要属于通用贝叶斯模型比较，未提供归入给定经济计量领域细分的直接依据。
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…
关注这篇论文的作者
模型选择中的样本量选择与可区分性评估
- 研究问题
- 如何评估两个不同分布族能否被样本有效区分，并为模型选择问题中的样本量考虑提供依据？文章讨论两组分布比较。
- 方法与思路
- 作者提出一般贝叶斯区分框架，把两个分布族之间的差异转化为两个二项模型之间的差异，并用两个例子说明。
- 材料陈述的贡献
- 摘要称，该框架可评估 von Mises 与缠绕正态分布、正态与一族 t 分布的可区分程度，展示方法在不同分布族中的应用。
- 阅读关注点
- 应核对分布族如何映射为二项模型、先验与区分标准的选择，以及样本量如何进入评估；摘要未说明具体样本量规则。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要；未提供样本量选择公式、可区分性数值或最优性条件，不能仅凭题名补出这些结果。
原文摘要
In this article we present a general Bayesian approach to discrimination. We describe how the difference between two separate families of distributions can be assessed in terms of differences between two binomial models. Two examples that illustrate the methodology are included. Specifically, we investigate the extent to which it is possible to discriminate between the von Mises and the wrapped normal distributions and also between the normal and a family of t distributions.