The consistency of posterior distributions in nonparametric problems
非参数问题中后验分布的一致性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：摘要属于通用非参数贝叶斯一致性理论，没有明确连接所列计量应用方向，不能因研究分布估计而强行分类。
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…
非参数问题中后验分布的一致性
- 研究问题
- 在非参数分布估计中，先验需满足哪些限制，才能使真实分布每个 Hellinger 邻域的后验概率几乎必然趋于一？
- 方法与思路
- 作者结合先验对粗糙密度的质量限制、真实分布附近的 KL 支持条件，以及具有较小括号熵的有限维近似。
- 材料陈述的贡献
- 摘要称，给出保证 Hellinger 意义下后验强一致性的条件，并通过若干例子展示这些条件的应用。
- 阅读关注点
- 应核对先验尾部质量限制、KL 邻域支持和括号熵的精确定义，以及有限维近似如何用于一致性证明。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出条件的定量形式，也未陈述后验收缩速率或可信区间覆盖保证。
原文摘要
We give conditions that guarantee that the posterior probability of every Hellinger neighborhood of the true distribution tends to 1 almost surely. The conditions are (1) a requirement that the prior not put high mass near distributions with very rough densities and (2) a requirement that the prior put positive mass in Kullback-Leibler neighborhoods of the true distribution. The results are based on the idea of approximating the set of distributions with a finite-dimensional set of distributions with sufficiently small Hellinger bracketing metric entropy. We apply the results to some examples.