Exact Multivariate Bayesian Bootstrap Distributions of Moments
矩的精确多元贝叶斯Bootstrap分布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：摘要研究未知分布多个矩的通用贝叶斯Bootstrap联合分布，未明确涉及经济分布效应或所列其他细分领域。
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…
关注这篇论文的作者
矩的精确多元贝叶斯Bootstrap分布
- 研究问题
- 对未知概率分布的多个矩，如何从狄利克雷过程先验得到联合后验分布，并在先验总质量趋于零时刻画贝叶斯Bootstrap分布？
- 方法与思路
- 作者给未知共同分布指定狄利克雷过程先验，研究先验总质量趋于零时多个矩的后验联合密度，并将极限与多元B样条联系起来。
- 材料陈述的贡献
- 摘要称该联合后验密度趋于多元B样条，因此给出多个矩的贝叶斯Bootstrap联合密度，为可能的默认非参数贝叶斯推断提供基础。
- 阅读关注点
- 应核对所讨论矩的存在性、联合密度与B样条表示的条件，以及先验总质量极限的处理方式和所得分布如何用于推断。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；矩的条件、密度公式和计算细节未列出，所述极限是先验总质量趋零，不能混同样本量渐近。
原文摘要
The common unknown probability law $P$ of a random sample $Y_1,\ldots, Y_n$ is assigned a Dirichlet process prior with index $\alpha$. It is shown that the posterior joint density of several moments of $P$ converges, as $\alpha(\mathbb{R})\rightarrow 0$, to a multivariate B-spline, which is, therefore, the Bayesian bootstrap joint density of the moments. The result provides the basis for possible default nonparametric Bayesian inference on unknown moments.