Nonparametric Bayesian inference for the spectral density function of a random field
随机场谱密度函数的非参数贝叶斯推断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：摘要明确研究空间随机场并应用于土壤数据，未涉及宏观时间序列、金融波动率或所列网络干扰问题。
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…
随机场谱密度函数的非参数贝叶斯推断
- 研究问题
- 如何在频域中非参数估计随机场的谱密度，以描述空间依赖，并通过后验分布同时提供平滑估计与可信带？
- 方法与思路
- 作者为谱密度构造多维Bernstein多项式先验，设计MCMC后验抽样算法，再用模拟及土壤数据展示估计与区间构造。
- 材料陈述的贡献
- 摘要称该方法能够产生平滑谱密度估计和指定水平的可信带，并报告模拟中相较参数方法更稳健，但未给出比较细节。
- 阅读关注点
- 核对随机场假设、先验如何保证谱密度的合法性、后验计算诊断，以及可信带的定义和模拟稳健性的评价标准。
- 阅读边界
- 仅据所给OpenAlex摘要；先验设定、模拟数值及可信带频率覆盖性质未说明，土壤应用也不能直接支持经济时间序列结论。
原文摘要
A powerful technique for inference concerning spatial dependence in a random field is to use spectral methods based on frequency domain analysis. Here we develop a nonparametric Bayesian approach to statistical inference for the spectral density of a random field. We construct a multi-dimensional Bernstein polynomial prior for the spectral density and devise a Markov chain Monte Carlo algorithm to simulate from the posterior of the spectral density. The posterior sampling enables us to obtain a smoothed estimate of the spectral density as well as credible bands at desired levels. Simulation shows that our proposed method is more robust than a parametric approach. For illustration, we analyse a soil data example. Copyright 2010, Oxford University Press.