Bayesian Density Estimation and Inference Using Mixtures
利用混合模型进行贝叶斯密度估计与推断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：摘要研究通用密度估计，未涉及经济分布效应或其他所列细分问题。
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
利用混合模型进行贝叶斯密度估计与推断
- 研究问题
- 如何在灵活的贝叶斯密度模型中推断平滑程度、密度不确定性、模态及混合成分数量，并计算相关后验与预测分布？
- 方法与思路
- 作者采用狄利克雷过程混合模型，以正态混合作为示例，通过模拟近似先验、后验及预测分布，并建立一类模型的收敛结果。
- 材料陈述的贡献
- 摘要称该框架支持局部与整体平滑、模态和成分数量等问题的直接推断，并提供一般正态混合模型的收敛结果。
- 阅读关注点
- 应核对混合层级与先验设定、模拟算法的诊断方式，以及收敛结果的对象、条件和成分数量的统计解释。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未说明收敛的类型或速率，也未提供数值表现。
原文摘要
We describe and illustrate Bayesian inference in models for density estimation using mixtures of Dirichlet processes. These models provide natural settings for density estimation and are exemplified by special cases where data are modeled as a sample from mixtures of normal distributions. Efficient simulation methods are used to approximate various prior, posterior, and predictive distributions. This allows for direct inference on a variety of practical issues, including problems of local versus global smoothing, uncertainty about density estimates, assessment of modality, and the inference on the numbers of components. Also, convergence results are established for a general class of normal mixture models.