A Bayesian approach to inference about a change-point in a sequence of random variables
随机变量序列变点推断的贝叶斯方法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：摘要直接研究随机变量序列的分布变点，对应结构变化方法，但未提供宏观经济应用。
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
随机变量序列变点推断的贝叶斯方法
- 研究问题
- 研究如何推断随机变量序列中潜在分布发生变化的位置，并用概率形式表达不同候选变点的不确定性。
- 方法与思路
- 作者依据各候选变点的后验概率开展贝叶斯推断，详细分析二项分布与正态分布情形，并提供数值示例。
- 材料陈述的贡献
- 摘要称文章给出两类分布下的具体分析及数值说明，同时提及一种非正式的序贯程序，但未说明其性质。
- 阅读关注点
- 阅读全文时应核对变点与分布参数的先验设定、后验计算、序列依赖条件，以及序贯程序的具体规则。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；先验、变化形式和推断性能均未说明，不能据此判断程序的普遍适用性。
原文摘要
A Bayesian approach is considered to the problem of making inferences about the point in a sequence of random variables at which the underlying distribution changes. Inferences are based on the posterior probabilities of the possible change-points. Detailed analyses are given for cases in which the distributions are binomial and normal, and numerical illustrations are provided. An informal sequential procedure is also noted.