On Bayesian Nonlinear Regression with an Enzyme Example
贝叶斯非线性回归及一个酶动力学实例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：摘要是酶动力学中的一般贝叶斯回归应用，没有经济结构估计或其他所列方向的直接证据。
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
贝叶斯非线性回归及一个酶动力学实例
- 研究问题
- 在酶动力学的非线性回归中，直接关注整个回归向量所得的边际后验，与常规线性化回归隐含的后验有何差别？
- 方法与思路
- 作者采用对回归向量尽量少提供信息的先验，分析多组酶动力学数据，并将所得边际后验与线性化方法的Student's t后验并列。
- 材料陈述的贡献
- 摘要称，作者展示了非线性回归的边际后验比较，并指出其程序在线性模型这一特殊情形下能够产生经典推断。
- 阅读关注点
- 应核对回归向量和先验的定义、少信息性如何刻画、后验计算方式，以及线性特例中参数符号和经典推断的对应关系。
- 阅读边界
- 仅依据版本未注明的OpenAlex索引摘要；先验表达式中的参数含义未交代，不应自行解释或推导；比较也未证明某方法普遍更优。
原文摘要
A nonlinear regression model is applied to several sets of enzyme kinetics data, treating the entire regression vector as the parameter of interest. The resulting marginal posterior distributions are presented alongside the usual Student's t posterior distributions implicit in the usual linearized regression. The prior distribution used is that which is minimally informative about the regression vector. In the special case of the linear model this procedure leads to the prior density 1/θ, thereby producing the classical inferences.