Asymptotic Posterior Normality for Stochastic Processes Revisited
再论随机过程的后验渐近正态性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：摘要研究随机过程的一般贝叶斯渐近理论，所举泊松和出生过程不足以确定其属于宏观时间序列或其他细分方向。
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
再论随机过程的后验渐近正态性
- 研究问题
- 当已有后验正态性条件不能覆盖某些实际随机过程时，如何提出更一般的条件，并验证其对具体过程模型的适用性？
- 方法与思路
- 作者重新审视随机过程产生的后验分布，提出一组较一般的渐近正态性条件，并将理论应用于非齐次泊松过程和出生过程。
- 材料陈述的贡献
- 摘要称指出已有条件遗漏的实际过程，并提供覆盖更广问题的条件体系；具体条件及其相对既有理论的扩展范围未列出。
- 阅读关注点
- 应核对后验中心化与尺度、先验和似然的条件，以及非齐次泊松过程与出生过程如何满足新条件、为何旧条件不适用。
- 阅读边界
- 仅依据所给Crossref摘要；观测渐近方式、正则条件和近似误差未说明，不能推断所有随机过程的后验均趋于正态。
原文摘要
SUMMARY The problem of demonstrating the limiting normality of a posterior distribution arising from some stochastic process is revisited. It is shown that certain processes of practical interest are not covered by conditions currently available in the literature. In this paper we present a fairly general set of conditions for asymptotic posterior normality which cover a wide class of problems. The theory is applied to a nonhomogeneous Poisson process and birth process.