Upper and Lower Probability Inferences from Ordered Multinomial Data
有序多项数据的概率上界与下界推断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：摘要研究有序多项数据的一般概率推断，未建立个体选择模型或经济分布效应，不能仅凭有序类别归入离散选择。
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
有序多项数据的概率上界与下界推断
- 研究问题
- 对于类别具有自然顺序的多项数据，如何在不引入先验信息的情况下，对类别概率之和、比值和线性组合形成概率推断？
- 方法与思路
- 作者将 Dempster 的概率上下界方法用于有序多项数据，推导不同类别概率泛函的推断，并用数值例子解释其统计含义。
- 材料陈述的贡献
- 摘要称得到任意类别集合概率之和、两个此类和的比值及概率线性组合的推断，并尝试联系标准统计推断方法。
- 阅读关注点
- 阅读时应核对类别顺序如何参与上下概率构造、比值推断的定义条件，以及这些概率陈述与通常后验或置信陈述的区别。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未提供构造细节和概率保证，不能把“不用先验信息”直接解释为标准贝叶斯后验。
原文摘要
Dempster's method of upper and lower probabilities represents an attempt to obtain posterior probability statements about parameters without the necessity to incorporate prior information. We apply Dempster's method to the case of multinomial data for which there is some natural ordering of the categories. Inferences are derived for the sum of an arbitrary set of categories, the ratio of two such sums, and linear combinations of the category probabilities. Numerical examples are given, and some effort is made to interprete Dempster's approach and relate it to the standard approaches to statistical inference.