Bootstrap methods using prior information
利用先验信息的自助法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：摘要研究结合先验信息的通用稳健自助法，没有明确对应所列因果、面板、时间序列或金融方向。
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…
关注这篇论文的作者
利用先验信息的自助法
- 研究问题
- 在误差分布可能被误设、且无法直接获知其形式时，如何结合先验信息与稳健估计开展具有一定稳健性的贝叶斯分析？
- 方法与思路
- 作者用稳健估计量抽样密度的自助法估计替换贝叶斯公式中的似然，并通过实例与蒙特卡洛研究评估方法表现。
- 材料陈述的贡献
- 摘要称，该方法能够在不直接知道误差分布的情况下利用先验信息；文章展示其灵活性，并与标准贝叶斯方法比较。
- 阅读关注点
- 应核对抽样密度如何估计、替代似然所依赖的条件、先验信息如何进入计算，以及模拟中的误设类型与评价指标。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明自助法方案、理论保证或模拟数值，不能据此声称对任意误设均稳健。
原文摘要
Bayesian analysis is subject to the same kinds of misspeciflcation problems which motivate the robustness and nonparametric literature. We present a method of incorporating prior information which performs well without direct knowledge of the error distribution. This is accomplished by replacing the likelihood in Bayes's formula by a bootstrap estimate of the sampling density of a robust estimator. The flexibility of the method is illustrated by examples, and its performance relative to standard Bayesian techniques is evaluated in a Monte Carlo study.