Posterior distribution of nondifferentiable functions
不可微函数的后验分布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：摘要属于通用后验渐近理论，未提供足以对应所列领域细分的研究对象。
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…
不可微函数的后验分布
- 研究问题
- 当有限维参数的目标函数可能不可微时，其贝叶斯后验分布具有怎样的渐近行为，常规参数层面的近似是否足够？
- 方法与思路
- 作者以参数估计量的分布、其 bootstrap 近似及参数后验渐近一致为主要假设，研究参数函数的后验渐近行为。
- 材料陈述的贡献
- 摘要明确把研究对象扩展至可能不可微的参数函数，并覆盖参数与半参数模型；具体极限结论及推断方法未说明。
- 阅读关注点
- 应核对函数所需的正则性、三种分布渐近一致的具体含义，以及不可微性如何影响后验近似和可信区间的解释。
- 阅读边界
- 仅据所给出版社摘要，不能判断后验极限的形式、可信区间覆盖率或 bootstrap 有效性，摘要也未给出具体应用。
原文摘要
This paper examines the asymptotic behavior of the posterior distribution of a possibly nondifferentiable function g(θ), where θ is a finite-dimensional parameter of either a parametric or semiparametric model. The main assumption is that the distribution of a suitable estimator θ̂n, its bootstrap approximation, and the Bayesian posterior for θ all agree asymptotically.