Quantile pyramids for Bayesian nonparametrics
贝叶斯非参数推断的分位数金字塔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：摘要直接围绕分位数函数先验与分位数过程进行贝叶斯非参数推断。
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
贝叶斯非参数推断的分位数金字塔
- 研究问题
- 如何通过固定概率、随机划分构造分位数函数先验，并在有限划分的可计算模型与极限随机过程之间建立联系？
- 方法与思路
- 作者提出支持分段线性分位数函数的先验，并考察替代似然模型，利用模型的因子分解开展MCMC后验分析。
- 材料陈述的贡献
- 摘要称，先验的极限版本存在，并给出绝对连续分位数过程存在的条件，讨论后验一致性与近似正态性。
- 阅读关注点
- 核对随机划分的构造、有限层级与极限先验的关系，以及替代似然、后验一致性条件和MCMC实现细节。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；条件、近似误差及示例结果未说明，不能据此声称任意先验都有相同后验性质。
原文摘要
Pólya trees fix partitions and use random probabilities in order to construct random probability measures. With quantile pyramids we instead fix probabilities and use random partitions. For nonparametric Bayesian inference we use a prior which supports piecewise linear quantile functions, based on the need to work with a finite set of partitions, yet we show that the limiting version of the prior exists. We also discuss and investigate an alternative model based on the so-called substitute likelihood. Both approaches factorize in a convenient way leading to relatively straightforward analysis via MCMC, since analytic summaries of posterior distributions are too complicated. We give conditions securing the existence of an absolute continuous quantile process, and discuss consistency and approximate normality for the sequence of posterior distributions. Illustrations are included.