Posterior Distribution of Percentiles: Bayes' Theorem for Sampling From a Population
百分位数的后验分布：有限总体抽样中的贝叶斯推断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：摘要讨论一般有限总体抽样与百分位数推断，未提供足够依据归入微观分布效应等指定细分。
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
百分位数的后验分布：有限总体抽样中的贝叶斯推断
- 研究问题
- 如何在不依赖参数模型的情况下，对有限总体的百分位数及其他特征进行贝叶斯推断，并考察相关交换分布是否存在？
- 方法与思路
- 作者提出有限总体特征的贝叶斯推断方法，允许但不要求使用参数模型，并讨论结合次序统计量预测规则的交换分布。
- 材料陈述的贡献
- 摘要称提出了有限总体百分位数的推断方法，并证明同时满足可数可加、无并列值及特定区间等概率预测要求的交换分布不存在。
- 阅读关注点
- 应核对有限总体的先验与后验构造，以及不存在性结论涉及的概率空间、交换性定义和区间等概率条件的准确表述。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；先验构造、证明及适用条件未提供，不能推断其他预测规则也不可能成立。
原文摘要
A Bayesian approach to inference about the percentiles and other characteristics of a finite population is proposed. The approach does not depend upon, though it need not exclude, the use of parametric models.Some related questions concerning the existence of exchangeable distributions are considered. It is shown that there are no countably additive exchangeable distributions on the space of observations which give ties probability 0 and for which a next observation is conditionally equally likely to fall in any of the open intervals between successive order statistics of a given sample.