The Bernstein–von Mises theorem and nonregular models
Bernstein–von Mises 定理与非正则模型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：摘要属于边界参数的通用贝叶斯渐近理论，未提供与所列计量细分方向直接对应的证据。
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
Bernstein–von Mises 定理与非正则模型
- 研究问题
- 当真实参数位于参数空间边界时，贝叶斯后验的渐近形态、收敛速度及其对边界附近先验的依赖如何变化？
- 方法与思路
- 作者分析一类边界真实参数模型的后验渐近行为，区分高斯与 Gamma 分量，并以发射断层成像问题说明结果。
- 材料陈述的贡献
- 摘要称，后验保持一致性，并包含依赖边界附近先验且收敛更快的 Gamma 分量，拓展了正则模型的后验描述。
- 阅读关注点
- 应核对模型类别、不同后验分量的缩放方式、先验在边界附近的条件，以及文中所谓估计效率的定义。
- 阅读边界
- 仅据版本未注明的索引摘要；具体条件和速率未说明，“某些模型效率似乎无上界”的表述不能推广为一般结论。
原文摘要
We study the asymptotic behaviour of the posterior distribution in a broad class of statistical models where the “true” solution occurs on the boundary of the parameter space. We show that in this case Bayesian inference is consistent, and that the posterior distribution has not only Gaussian components as in the case of regular models (the Bernstein–von Mises theorem) but also has Gamma distribution components whose form depends on the behaviour of the prior distribution near the boundary and have a faster rate of convergence. We also demonstrate a remarkable property of Bayesian inference, that for some models, there appears to be no bound on efficiency of estimating the unknown parameter if it is on the boundary of the parameter space. We illustrate the results on a problem from emission tomography.