Bayesian prediction with approximate frequentist validity
具有近似频率学有效性的贝叶斯预测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：摘要讨论一般未来观测的贝叶斯预测区域，没有宏观预测、即时预测或金融收益对象，因此不选择这些领域。
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…
具有近似频率学有效性的贝叶斯预测
- 研究问题
- 哪些先验能使未来观测预测区域的贝叶斯后验覆盖概率与频率学覆盖概率渐近匹配，区域选择又能如何影响匹配？
- 方法与思路
- 作者分别分析后验分位数和最高预测密度区域，刻画匹配先验、考察重参数化不变性，并研究 Jeffreys 先验的作用。
- 材料陈述的贡献
- 摘要称所得先验具有重参数化不变性，并指出给定先验后，可能通过选择适当区间实现两类预测覆盖概率的渐近匹配。
- 阅读关注点
- 应核对覆盖概率的具体定义、渐近匹配的误差阶数，以及匹配先验的条件和固定先验下可匹配区间的存在范围。
- 阅读边界
- 仅据版本未注明的索引摘要；未说明模型条件及匹配阶数，渐近匹配不等于有限样本精确覆盖，也不保证任意先验均可匹配。
原文摘要
We characterize priors which asymptotically match the posterior coverage probability of a Bayesian prediction region with the corresponding frequentist coverage probability. This is done considering both posterior quantiles and highest predictive density regions with reference to a future observation. The resulting priors are shown to be invariant under reparameterization. The role of Jeffreys’ prior in this regard is also investigated. It is further shown that, for any given prior, it may be possible to choose an interval whose Bayesian predictive and frequentist coverage probabilities are asymptotically matched.