Asymptotic Normality of the Posterior Distribution for Exponential Models
指数模型后验分布的渐近正态性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：摘要属于指数族模型的通用贝叶斯渐近理论，没有所列经济或金融细分方向的直接应用证据。
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
指数模型后验分布的渐近正态性
- 研究问题
- 研究指数形式模型中，自然参数的先验在真实参数处正且连续时，如何建立后验密度趋向多元正态分布的理论结果。
- 方法与思路
- 作者利用指数族的基本性质及相关凸函数分析后验分布；摘要明确先验相对于多维勒贝格测度具有密度。
- 材料陈述的贡献
- 摘要称，在所研究指数模型与先验设定下，后验密度趋向多元正态；未列出具体中心化、缩放方式或收敛度量。
- 阅读关注点
- 应核对除先验正且连续外的模型条件，以及后验中心、缩放矩阵、收敛模式和真实参数所处位置的要求。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；完整正则条件未提供，不能认为先验正且连续就足以保证任意模型的后验正态性。
原文摘要
Let $f(x)$ be a $\operatorname{pdf}$ of exponential form with respect to the measure $\mu$. Suppose a prior $\operatorname{pdf}$ $\pi$ has been placed on the natural parameter space $\Omega$, where $\pi$ is a density (with respect to $m$-dimensional Lebesgue measure) which is both positive and continuous at $\tau^\ast$, the true but unknown parameter value. Using basic properties of exponential families and certain associated convex functions, it is shown that the posterior pdf tends to the multivariate normal.