Bayesian analysis of mixtures of lognormal distribution with an unknown number of components from grouped data
分组数据下成分数未知的对数正态混合分布贝叶斯分析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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要以收入分布混合建模和基尼系数后验为核心，直接涉及分布分析。
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
分组数据下成分数未知的对数正态混合分布贝叶斯分析
- 研究问题
- 仅观察分组收入数据且混合成分数未知时，如何估计对数正态混合分布，并据此评估基尼系数的后验不确定性？
- 方法与思路
- 作者提出可逆跳跃马尔可夫链蒙特卡洛方法，估计收入混合分布参数，并通过模拟与日本收入数据考察基尼系数后验。
- 材料陈述的贡献
- 摘要称模拟中参数估计较准确，基尼系数后验在不同数据生成过程下仍表现良好；日本二〇二〇年应用提示两个子群。
- 阅读关注点
- 核对分组观测的似然、成分数与参数先验、可逆跳跃步骤及混合诊断，并检查基尼系数后验和两个子群结论的稳健性。
- 阅读边界
- 这是 arXiv 预印本，同行评审和期刊接收均未核实；摘要未说明分组方案、先验与误差数值，两个子群的经济含义也未交代。
原文摘要
This study proposes a reversible jump Markov chain Monte Carlo method for estimating parameters of lognormal distribution mixtures for income. Using simulated data examples, we examined the proposed algorithm's performance and the accuracy of posterior distributions of the Gini coefficients. Results suggest that the parameters were estimated accurately. Therefore, the posterior distributions are close to the true distributions even when the different data generating process is accounted for. Moreover, promising results for Gini coefficients encouraged us to apply our method to real data from Japan. The empirical examples indicate two subgroups in Japan (2020) and the Gini coefficients' integrity.