Nonparametric Bayesian testing for monotonicity
单调性的非参数贝叶斯检验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：摘要研究一般回归函数形状检验，未给出结构估计或分布效应的具体背景。
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
单调性的非参数贝叶斯检验
- 研究问题
- 如何通过非参数贝叶斯方法判断回归函数是否单调，并评估不同先验构造下检验的有限样本表现及贝叶斯因子性质？
- 方法与思路
- 作者构造两类检验：带层级随机过程先验的约束平滑样条，以及配有两种系数先验方案的回归样条。
- 材料陈述的贡献
- 摘要称，模拟中检验表现优于已有频率学派和贝叶斯方法，并扩展高斯模型中单调与非单调函数比较的渐近分析。
- 阅读关注点
- 阅读全文时应核对单调性的先验概率控制、样条复杂度与系数约束，以及贝叶斯因子渐近结论和模拟优势的具体条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未给出渐近结论的完整表述或有限样本比较数值。
原文摘要
This paper adopts a nonparametric Bayesian approach to testing whether a function is monotone. Two new families of tests are constructed. The first uses constrained smoothing splines with a hierarchical stochastic-process prior that explicitly controls the prior probability of monotonicity. The second uses regression splines together with two proposals for the prior over the regression coefficients. Via simulation, the finite-sample performance of the tests is shown to improve upon existing frequentist and Bayesian methods. The asymptotic properties of the Bayes factor for comparing monotone versus nonmonotone regression functions in a Gaussian model are also studied. Our results significantly extend those currently available, which chiefly focus on determining the dimension of a parametric linear model.