Bayes Factors for Non-Homogeneous Poisson Processes with Vague Prior Information
模糊先验信息下非齐次泊松过程的贝叶斯因子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：摘要研究一般点过程的贝叶斯模型比较，未明确给出时间序列或金融计量应用。
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
模糊先验信息下非齐次泊松过程的贝叶斯因子
- 研究问题
- 用极限不适当先验表达模糊信息时，如何确定非齐次泊松过程模型之间贝叶斯因子中未定的乘法常数？
- 方法与思路
- 作者分析既有常数确定程序的局限，推导其能够解决问题的充分条件，并详细研究单调对数多项式强度模型。
- 材料陈述的贡献
- 摘要称不恰当指定先验会使既有程序失效，但多数情形存在满足充分条件的先验，从而支持相关模型比较。
- 阅读关注点
- 应核对先验极限形式、乘法常数的来源与确定规则，以及充分条件在单调对数多项式强度模型中的落实。
- 阅读边界
- 仅依据所给 Crossref 摘要；充分条件及“多数情形”的范围未说明，不能断言任意不适当先验均可用于模型比较。
原文摘要
SUMMARY The calculation of Bayes factors for rival parametric models of non-homogeneous Poisson processes is considered. If vague prior information for the model parameters is represented by limiting improper prior forms, then the resulting Bayes factor is defined only up to a multiplicative constant. It is noted that the procedure proposed by Spiegelhalter and Smith (1982) does not provide any solution to the problem of assigning the constant if the priors are inappropriately specified, and sufficient conditions for it to provide a solution are derived. It is shown that priors which satisfy the conditions exist in most situations. The case of monotonic log-polynomial intensity models is then considered in some detail.