On posterior joint and marginal modes
后验联合众数与边际众数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：摘要属于通用贝叶斯点估计与计算，未明确涉及所列领域细分。
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
后验联合众数与边际众数
- 研究问题
- 贝叶斯点估计中，为避免复杂后验积分而使用联合众数时，边际众数能否更方便地计算并更好地近似后验均值？
- 方法与思路
- 作者提出便于计算后验边际众数的方法，并讨论在多种模型中，边际众数与联合众数近似后验均值的相对表现。
- 材料陈述的贡献
- 摘要明确提供面向多类模型的边际众数计算方法，并讨论两类众数的近似价值，但未陈述哪一种普遍更好。
- 阅读关注点
- 应核对计算边际众数的方法、适用模型和近似误差标准，以及联合众数、边际众数与后验均值的具体比较条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未给出算法细节或比较结论，不能声称边际众数总是更准确。
原文摘要
Posterior joint modes have often been used as point estimators in Bayesian applications to avoid laborious numerical integration of complicated posterior densities. We present methods facilitating the straightforward computation of posterior marginal modes in a wide variety of models, and discuss whether marginal modes provide better approximations than joint modes to the posterior means.