On Sample-Size Selection and the Evaluation of Discriminability in the Model Choice Problem
模型选择中的样本量选择与可区分性评估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：摘要研究通用分布族判别与模型选择，没有指定经济计量细分领域的直接证据。
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
模型选择中的样本量选择与可区分性评估
- 研究问题
- 如何在贝叶斯框架下评估两个分布族的可区分程度，并理解这种评估与模型选择中的样本量问题之间的联系？
- 方法与思路
- 作者提出通用贝叶斯区分方法，将两个分布族的差异转化为两个二项模型的差异，并用两组分布比较说明。
- 材料陈述的贡献
- 摘要展示该方法如何评估 von Mises 与缠绕正态分布，以及正态与一族 t 分布之间的可区分程度。
- 阅读关注点
- 应核对分布族比较如何转化为二项模型、先验与区分指标的定义，以及全文是否给出明确的样本量选择规则。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；虽题名涉及样本量，摘要未说明具体选择准则、误判控制或数值结论。
原文摘要
In this article we present a general Bayesian approach to discrimination. We describe how the difference between two separate families of distributions can be assessed in terms of differences between two binomial models. Two examples that illustrate the methodology are included. Specifically, we investigate the extent to which it is possible to discriminate between the von Mises and the wrapped normal distributions and also between the normal and a family of t distributions.