Approximate Predictive Likelihood
近似预测似然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：摘要涉及一般预测推断与极值分布，未明确指向宏观预测或金融尾部风险。
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
近似预测似然
- 研究问题
- 在精确预测似然难以求得、且不依赖可用先验信息时，如何构造同时近似贝叶斯与最大似然预测推断的方法？
- 方法与思路
- 作者通过后验似然的展开构造预测似然近似，将贝叶斯与最大似然预测联系起来，并用于广义极值分布的极端值预测。
- 材料陈述的贡献
- 摘要称该方法综合并扩展既有结果，通常与两类精确预测对象相差二阶概率误差，且不要求可用先验信息。
- 阅读关注点
- 应核对后验似然展开的定义、近似误差成立的条件，以及无需先验的具体含义和极端值预测中的实现方式。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；摘要未说明展开的正则条件或实际预测精度。
原文摘要
A predictive likelihood is given which approximates both Bayes and maximum likelihood predictive inference by expansion of a posterior likelihood. This synthesizes and extends previous results and is widely applicable. The approximation usually differs from exact Bayes posterior predictive density by Op(n–2), and from exact predictive likelihood by Op(n–2) but does not depend on the availability of prior information and is applicable when exact predictive likelihood cannot be found. The results are applied to the prediction of extremes using the generalized extreme-value distribution.