A Bayesian Approach to Some Outlier Problems
若干异常值问题的贝叶斯方法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：摘要属于通用贝叶斯异常值建模，未明确涉及所列经济计量应用方向。
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
若干异常值问题的贝叶斯方法
- 研究问题
- 当实验观测可能来自正常运行或异常运行时，如何将观测来源的不确定性纳入推断，处理线性模型中的异常值问题？
- 方法与思路
- 作者为正常与异常运行分别指定模型及先验概率；在线性模型例子中，两类观测具有相同均值，异常类具有更大方差。
- 材料陈述的贡献
- 摘要提出以潜在运行类别解释异常观测，并通过标准贝叶斯程序获得相应分析；文中提供一个例子，但摘要未报告比较结果。
- 阅读关注点
- 应核对异常类别的先验设定、方差放大参数的处理、后验计算方式，以及实例如何体现异常观测对线性模型推断的影响。
- 阅读边界
- 来源为版本未注明的 OpenAlex 索引摘要；方差符号的上下标排版不清，需查阅原文。摘要未说明先验敏感性及一般稳健性保证。
原文摘要
The problem of outlying observations is considered from a Bayesian viewpoint. We suppose that each of the observations in an experiment in an experiment may come from either a ‘good’ run or a ‘bad’ run. By specifying the models corresponding to good and bad runs and the prior probabilities of which runs being bad, we then employ standard Bayesian inference procedures to derive the appropriate analysis. In particular, we consider the linear model and assume that a good observation is normally distributed about its mean with variance σ2, and a bad one is normal with the same mean but a larger variance k2σ2. An example is given.