Relevant Statistics for Bayesian Model Choice
贝叶斯模型选择中的相关摘要统计量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：摘要聚焦通用贝叶斯模型选择与摘要统计量，没有明确的所列计量细分应用。
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…
贝叶斯模型选择中的相关摘要统计量
- 研究问题
- 在近似贝叶斯计算中，哪些摘要统计量能使贝叶斯因子渐近选择真实模型，如何检查所选统计量是否适合模型比较？
- 方法与思路
- 作者推导基于摘要统计量的贝叶斯因子收敛的必要与充分条件，并提出通过 Monte Carlo 验证评估统计量的适用性。
- 材料陈述的贡献
- 摘要称相关条件体现为统计量期望在两模型下的渐近差异，为近似贝叶斯计算中的统计量选择提供一致性检查依据。
- 阅读关注点
- 应核对必要与充分条件的完整表述、模型间期望差异的尺度，以及 Monte Carlo 验证步骤与近似计算误差的影响。
- 阅读边界
- 仅依据所给 Crossref 摘要；完整条件和模拟验证方案未说明，不能把期望不同直接当作任意模型比较的一致性保证。
原文摘要
Summary The choice of the summary statistics that are used in Bayesian inference and in particular in approximate Bayesian computation algorithms has bearings on the validation of the resulting inference. Those statistics are nonetheless customarily used in approximate Bayesian computation algorithms without consistency checks. We derive necessary and sufficient conditions on summary statistics for the corresponding Bayes factor to be convergent, namely to select the true model asymptotically. Those conditions, which amount to the expectations of the summary statistics differing asymptotically under the two models, are quite natural and can be exploited in approximate Bayesian computation settings to infer whether or not a choice of summary statistics is appropriate, via a Monte Carlo validation.