The linear Bayes regression estimator under weak prior assumptions
弱先验假设下的线性贝叶斯回归估计量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：摘要讨论一般贝叶斯回归风险，未明确涉及所列因果、结构、面板或其他专门方向。
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
弱先验假设下的线性贝叶斯回归估计量
- 研究问题
- 在单变量回归中，怎样用较弱的先验假设明确构造线性贝叶斯估计量，并评估其相对于线性拟合规则的风险？
- 方法与思路
- 作者给出一组简单先验假设，显式求得线性贝叶斯回归估计量及其风险，并研究风险趋近最小值的性质。
- 材料陈述的贡献
- 摘要称风险趋向任意线性拟合程序所能达到的最小风险；所列收敛速率排版不清，不能据此确认具体阶数。
- 阅读关注点
- 应核对弱先验究竟约束哪些矩或分布特征、风险的定义、线性拟合比较类，以及原文收敛速率的准确记号。
- 阅读边界
- 仅据版本未注明的OpenAlex索引摘要；速率记号存在歧义，需查原PDF，不能推广为对所有回归估计器的最优性。
原文摘要
A simple set of prior assumptions is given with respect to which the linear Bayes regression estimator, in the case of univariate regression, is determined explicitly. The risk, also determined explicitly, is shown to decrease,at rate 0 ( n-1 ), to the minimum risk attainable by any linear fitting procedure.