Inference for the binomial N parameter: A hierarchical Bayes approach
二项分布参数 N 的推断：层级贝叶斯方法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：摘要讨论二项参数的通用贝叶斯推断，未给出所列经济学细分领域的直接应用或模型依据。
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
二项分布参数 N 的推断：层级贝叶斯方法
- 研究问题
- 如何对二项分布中的未知试验次数 N 进行推断，并在同一框架下表达先验信息、构造区间、预测及作出决策？
- 方法与思路
- 作者采用层级贝叶斯模型表达明确或模糊的先验知识，构造点估计、区间估计、预测和决策方案，并比较既有点估计量。
- 材料陈述的贡献
- 摘要称，该框架提供灵活的先验表达及多类推断方案，所给贝叶斯点估计量相较此前文献中的优秀估计量表现有利。
- 阅读关注点
- 应核对 N 与其他二项参数的信息要求、层级先验的具体形式、后验是否适定，以及比较所用损失和参数范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；先验、比较指标和结果未说明，不能把有利比较解释为普遍占优，刊本变化未知。
原文摘要
A hierarchical Bayes approach to the problem of estimating N in the binomial distribution is presented. This provides a simple and flexible way of specifying prior information, and also allows a convenient representation of vague prior knowledge. It yields solutions to the problems of interval estimation, prediction and decision making, as well as that of point estimation. The Bayes estimator compares favourably with the best, previously proposed', point estimators in the literature.