Calculating the content and boundary of the highest posterior density region via data augmentation
通过数据增广计算最高后验密度区域的概率含量与边界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：最高后验密度区域计算属于通用贝叶斯推断，右删失回归示例也未明确对应所列经济或金融领域细分。
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
通过数据增广计算最高后验密度区域的概率含量与边界
- 研究问题
- 在数据增广框架下，如何通过抽样计算最高后验密度区域包含的后验概率及其边界，并用于右删失回归数据？
- 方法与思路
- 作者先回顾最高后验密度区域与数据增广算法，再提出基于抽样的概率含量和边界计算方法，以右删失回归作示例。
- 材料陈述的贡献
- 摘要明确提供一种最高后验密度区域的抽样计算途径，并展示右删失回归应用，但没有报告计算精度或效率比较。
- 阅读关注点
- 应核对概率含量和边界的抽样估计步骤、区域不连通时的处理，以及增广抽样的收敛诊断和删失模型设定。
- 阅读边界
- 材料为OpenAlex索引摘要，稿件版本未注明；未说明算法误差、收敛条件或先验设定，示例不能保证复杂后验下同样可靠。
原文摘要
This note considers the computation of the content and the boundary of the highest posterior density region in the context of data augmentation. The notion of the highest posterior density region and the data augmentation algorithm are reviewed. The sampling-based approach for calculating the content and the boundary of the highest posterior density region is then presented. The method is illustrated in the context of right-censored regression data.