Encompassing and Specificity
涵盖性与特异性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：摘要研究跨模型比较的通用理论，未给出特定数据结构或应用领域，现有文本不足以选择所列细分方向。
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…
涵盖性与特异性
- 研究问题
- 如何统一定义一个模型解释另一模型结果的涵盖关系，并量化涵盖不足，使经典检验与贝叶斯比较能够对话？
- 方法与思路
- 作者提出兼容经典与贝叶斯观点的涵盖概念，以特异性衡量涵盖不足，并比较检验统计量与贝叶斯后验赔率。
- 材料陈述的贡献
- 摘要称，文章将涵盖关系表述为模型间的充分性概念，并在精确解不可获得时提供可操作的近似方法。
- 阅读关注点
- 应核对涵盖性、特异性及模型间充分性的正式定义，查看检验与后验赔率的联系和近似方法的适用条件。
- 阅读边界
- 所给 Crossref 摘要未提供具体定义、统计量或近似误差，不能据此认定所有模型比较方法等价或推断版本变化。
原文摘要
A model M is said to encompass another model N if the former can explain the results obtained by the latter. In this paper, we propose a general notion of encompassing that covers both classical and Bayesian viewpoints and essentially represents a concept of sufficiency among models. We introduce the parent notion of specificity that aims at measuring lack of encompassing. Tests for encompassing are discussed and the test statistics are compared to Bayesian posterior odds. Operational approximations are offered to cover situations where exact solutions cannot be obtained.