Bayesian Methods for Binomial Data
二项数据的贝叶斯方法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：摘要讨论通用二项参数联合估计，logistic 变换本身不足以归入经济离散选择。
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
二项数据的贝叶斯方法
- 研究问题
- 同时估计多个二项分布参数时，如何跨分布共享信息，以及这种信息合并在什么情况下能优于通常的样本比例？
- 方法与思路
- 作者对各二项参数进行 logistic 变换，采用可交换先验，将多个分布的信息结合起来构造贝叶斯估计。
- 材料陈述的贡献
- 摘要称在某些情况下，信息合并后的估计优于通常比例估计，并将该方法定位为更一般非线性模型理论的先导。
- 阅读关注点
- 核对可交换先验的具体形式、先验参数处理方式、信息合并强度，以及“优于”所用的损失函数和适用条件。
- 阅读边界
- 所给材料为版本未注明的 OpenAlex 索引摘要；摘要未说明优势成立的条件与评价标准，不能声称贝叶斯估计普遍更好。
原文摘要
A Bayesian procedure is obtained for the simultaneous estimation of the parameters of m binomial distributions. The method uses logistic transformations for the parameters and an exchangeable prior distribution. Information is combined between the binomial distributions to obtain estimates which, under certain circumstances, will be superior to the usual proportions. This paper is intended as a forerunner to a more general theory for the analysis of nonlinear models.