A Bayes method for a monotone hazard rate via S-paths
利用 S 路径估计单调风险率的贝叶斯方法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：摘要研究单调生存风险率的贝叶斯建模与计算，未涉及所列经济计量或金融风险领域的具体研究对象。
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
利用 S 路径估计单调风险率的贝叶斯方法
- 研究问题
- 对于由完全随机测度与指示核混合定义的单调风险率，如何获得可处理的后验表征、贝叶斯估计与计算算法？
- 方法与思路
- 作者以有限个 S 路径的混合表征后验，将风险率估计写为路径上的有限求和，并提出近似计算的 MCMC 方法。
- 材料陈述的贡献
- 摘要称路径表征是已有分割表征的 Rao–Blackwell 化，并可扩展至含协变量的比例风险模型，数值例子展示可行性。
- 阅读关注点
- 应核对随机测度先验、单调性方向、路径与分割之间的关系，以及 MCMC 更新步骤、收敛诊断和协变量扩展条件。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；先验细节、计算复杂度与数值结果未提供，不能将生存风险率解释为金融尾部风险。
原文摘要
A class of random hazard rates, which is defined as a mixture of an indicator kernel convolved with a completely random measure, is of interest. We provide an explicit characterization of the posterior distribution of this mixture hazard rate model via a finite mixture of S-paths. A closed and tractable Bayes estimator for the hazard rate is derived to be a finite sum over S-paths. The path characterization or the estimator is proved to be a Rao–Blackwellization of an existing partition characterization or partition-sum estimator. This accentuates the importance of S-paths in Bayesian modeling of monotone hazard rates. An efficient Markov chain Monte Carlo (MCMC) method is proposed to approximate this class of estimates. It is shown that S-path characterization also exists in modeling with covariates by a proportional hazard model, and the proposed algorithm again applies. Numerical results of the method are given to demonstrate its practicality and effectiveness.