Upper Probabilities Based Only on the Likelihood Function
仅基于似然函数的概率上界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：摘要讨论有限参数空间中的一般推断基础与决策规则，没有明确的所列经济计量应用方向。
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
仅基于似然函数的概率上界
- 研究问题
- 在有限参数空间中，能否不使用先验信息而从观测似然直接构造概率上下界，并兼顾不同统计推断原则？
- 方法与思路
- 作者提出若干由似然定义后验概率上下界的规则，考察其一致性及其他性质，并用有限总体抽样问题比较规则。
- 材料陈述的贡献
- 摘要称这些规则满足似然原则和避免必然损失的要求，其中一项还满足基本频率原则，并可用于处理干扰参数及决策。
- 阅读关注点
- 应核对上下概率的定义、各规则分别满足的频率性质，以及消除干扰参数和形成决策时需要的附加结构。
- 阅读边界
- 仅据所给 Crossref 摘要；结论针对有限参数空间，摘要未列规则与定理条件，不能外推为一般推断原则的全面统一。
原文摘要
Summary In the problem of parametric statistical inference with a finite parameter space, we propose some simple rules for defining posterior upper and lower probabilities directly from the observed likelihood function, without using any prior information. The rules satisfy the likelihood principle and a basic consistency principle (‘avoiding sure loss’), they produce vacuous inferences when the likelihood function is constant, and they have other symmetry, monotonicity and continuity properties. One of the rules also satisfies fundamental frequentist principles. The rules can be used to eliminate nuisance parameters, and to interpret the likelihood function and to use it in making decisions. To compare the rules, they are applied to the problem of sampling from a finite population. Our results indicate that there are objective statistical methods which can reconcile three general approaches to statistical inference: likelihood inference, coherent inference and frequentist inference.