On Bayesian Analysis of Mixtures with an Unknown Number of Components (with discussion)
成分数量未知的混合模型贝叶斯分析（附讨论）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：摘要讨论通用混合模型贝叶斯计算，没有经济分布效应或其他给定细分的明确证据。
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
成分数量未知的混合模型贝叶斯分析（附讨论）
- 研究问题
- 混合模型的成分数量未知时，如何联合表达成分数和其他参数的不确定性，并在弱先验信息下避免不适当先验带来的问题？
- 方法与思路
- 作者使用可逆跳跃 MCMC 在不同成分数对应的参数子空间间移动，并为单变量正态混合模型设置层级先验。
- 材料陈述的贡献
- 摘要提出全贝叶斯混合分析方法，通过联合抽样展示后验分布的多个方面，并以层级先验处理弱信息及不适当先验问题。
- 阅读关注点
- 应核对跨维度跳跃的构造和接受概率、成分数及参数的先验、后验适定性，以及链的混合、标签处理和计算诊断。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未提供讨论部分内容、算法诊断或一般混合族结果，不能推断未知成分数可被准确识别。
原文摘要
Summary New methodology for fully Bayesian mixture analysis is developed, making use of reversible jump Markov chain Monte Carlo methods that are capable of jumping between the parameter subspaces corresponding to different numbers of components in the mixture. A sample from the full joint distribution of all unknown variables is thereby generated, and this can be used as a basis for a thorough presentation of many aspects of the posterior distribution. The methodology is applied here to the analysis of univariate normal mixtures, using a hierarchical prior model that offers an approach to dealing with weak prior information while avoiding the mathematical pitfalls of using improper priors in the mixture context.