Belief Function Representations of Statistical Evidence
统计证据的信念函数表示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：摘要讨论统计证据表示与推断规则，未明确对应所列经济计量细分领域。
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
统计证据的信念函数表示
- 研究问题
- 在有限参数空间中，哪些观测与先验证据的信念函数表示，允许用 Dempster 规则合并独立观测，并与贝叶斯规则相容？
- 方法与思路
- 作者刻画满足两类合并要求的函数，分析参数空间划分与尺度参数所保留的自由度，并据此讨论证据合并规则。
- 材料陈述的贡献
- 摘要称相关函数可刻画到任意划分和尺度参数的自由度；结果提示 Dempster 规则一般不适合所讨论的证据合并任务。
- 阅读关注点
- 应核对独立性及规则相容的精确定义、函数刻画的条件、划分与尺度的意义，以及负面结论所针对的证据表示范围。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；结论限定于所述有限参数空间与函数框架，不能据此否定所有信念函数推断方法。
原文摘要
In Glenn Shafer's theory of parametric statistical inference, observational evidence and prior evidence are separately represented by belief or commonality functions $Q$ and $R$, which are then combined by Dempster's rule. We characterise, for finite parameter spaces, the functionals $Q$ and $R$ for which statistically independent observations may be combined by Dempster's rule, and those for which Dempster's rule is consistent with Bayes' rule. The functionals are determined up to an arbitrary partition of the parameter space and an arbitrary scale parameter, which might be chosen to reflect aspects of the evidence on which the statistical model is based. Our results suggest that Dempster's rule is not generally suitable for combining evidence from independent observations nor for combining prior beliefs with observational evidence.