A Bayesian method for histograms
直方图的贝叶斯估计方法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：摘要研究一般直方图概率估计，区间间相关的先验结构不足以支持时间序列或经济分布效应分类。
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
直方图的贝叶斯估计方法
- 研究问题
- 如何在同时估计直方图各区间概率时，利用相邻区间概率可能接近的信息，使后验估计在区间之间共享信息并实现平滑？
- 方法与思路
- 作者构造两阶段先验，采用多元 logit 变换和类似一阶自回归过程的协方差结构，表达相邻区间概率的关联。
- 材料陈述的贡献
- 摘要称该贝叶斯方法能够联合估计区间概率，通过后验信息共享产生直方图平滑效果，但没有陈述误差改善的量化结果。
- 阅读关注点
- 应核对两阶段先验与协方差参数的设定、概率约束如何处理，以及区间划分和先验强度对后验平滑的影响。
- 阅读边界
- 依据版本未注明的 OpenAlex 摘要；未说明后验计算细节、先验敏感性或风险性质，类似自回归结构也不代表时间序列应用。
原文摘要
This paper describes a Bayesian procedure for the simultaneous estimation of the probabilities in a histogram. A two-stage prior distribution is constructed which assumes that probabilities corresponding to adjacent intervals are likely to be closely related. The method employs multivariate logit transformations, and a covariance structure similar to that assumed in the first-order autoregressive process. Posterior estimates are obtained which combine information between the intervals and have the practical effect of smoothing the histogram.