Laplace Approximations for Posterior Expectations When the Mode Occurs at the Boundary of the Parameter Space
参数空间边界众数情形下后验期望的 Laplace 近似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：摘要讨论通用贝叶斯积分近似，随机效应例子不足以支持面板数据或其他细分分类。
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
参数空间边界众数情形下后验期望的 Laplace 近似
- 研究问题
- 当后验众数位于参数空间边界而非常规内部位置时，如何近似计算后验期望，并保持较高阶的渐近精度？
- 方法与思路
- 作者利用散度定理，将高维参数积分化为参数空间边界上的曲面积分，再对后者使用内部众数的 Laplace 方法。
- 材料陈述的贡献
- 摘要称近似具有二阶精度，并以双样本二项问题和随机效应模型展示边界众数情形下的应用。
- 阅读关注点
- 应核对边界的几何与光滑性要求、渐近展开所用尺度、二阶精度的具体定义，以及例子中边界情形如何出现。
- 阅读边界
- 材料为 OpenAlex 索引摘要，稿件版本未注明；边界正则条件及误差展开未说明，不能据此判断复杂边界上的适用性。
原文摘要
This article gives asymptotic expansions for posterior expectations when the mode is on the boundary of the parameter space. The idea, based on the divergence theorem, is to reduce the high-dimensional integrals over the parameters space to surface integrals over the boundary of the parameter space and then apply the usual interior-mode Laplace method to the latter integrals. It is shown that these approximations have second-order accuracy. The method is illustrated with applications to a two-sample binomial problem and a random-eflects model.