Calibration-Based Empirical Probability
基于校准的经验概率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：摘要讨论一般事件的概率预测与校准理论，未明确宏观预测或收益预测对象。
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
基于校准的经验概率
- 研究问题
- 如何用事件序列的实际结果评价概率预测，并在给定信息基础下赋予经验概率含义，而不依赖同一事件的重复试验？
- 方法与思路
- 作者以校准作为经验有效性准则，研究满足该准则的预测序列之间的渐近一致，并讨论预测对信息基础的依赖。
- 材料陈述的贡献
- 摘要称满足所用校准准则的两组预测会渐近一致，由此提出相对于信息基础的经验概率理论及其若干含义。
- 阅读关注点
- 应核对校准的准确强度、预测序列允许使用的信息，以及渐近一致结论需要哪些限定和何种收敛概念。
- 阅读边界
- OpenAlex 索引摘要未注明版本，也未展开校准定义；不能将其结论直接套用于任意常见校准指标或实际预测任务。
原文摘要
Probability forecasts for a sequence of uncertain events may be compared with the outcomes of those events by means of a natural criterion of empirical validity, calibration. It is shown that any two sequences of forecasts which both meet this criterion must be in asymptotic agreement. These agreed values can then be considered as correct objective probability forecasts for the particular sequence of outcome results obtained. However, the objective forecasts vary with the extent of the information taken into account when they are formulated. We thus obtain a general theory of empirical probability, relative to an information base. This theory does not require that such probabilities be interpreted in terms of repeated trials of the same event. Some implications of this theory are discussed.