Estimation of Rare Errors Using Expert Judgement
利用专家判断估计稀有误差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：摘要研究稀有观测误差的非参数贝叶斯建模，没有金融尾部风险或其他所列细分的直接证据。
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
利用专家判断估计稀有误差
- 研究问题
- 当多数观测误差为零、非零误差可正可负且难以参数化时，如何结合专家判断推断总体误差总量？
- 方法与思路
- 作者提出基于狄利克雷过程的非参数方法，允许调查者设置多种先验预测形式，并用数值示例讨论与参数模型的比较。
- 材料陈述的贡献
- 摘要称该模型放宽误差必须为正的限制，并允许从标准参数分布到无正式结构的观测信息等多种先验预测设定。
- 阅读关注点
- 应核对专家判断如何转化为先验、零误差与正负误差如何建模，以及总体总量推断对先验和抽样方案的敏感性。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；抽样设计、先验参数和数值结果未说明，灵活性陈述不等于估计误差更小。
原文摘要
Cox & Snell (1979) investigate inference about the total population error when most observations are zero. Their approach is parametric and assumes that errors are positive. Empirical evidence indicates, however, that negative errors are not uncommon and that the error distribution is unlikely to be modelled by any standard parametric distribution. We propose a more general nonparametric approach that uses Ferguson's Dirichlet process. Our model allows the investigator to specify a wide range of prior prediction ranging from a standard parametric distribution to observations without any formal structure. Numerical examples are presented for demonstration of this flexibility in modelling. Comparisons with parametric models are discussed.