Plausibility Inference
可信度推断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：摘要讨论一般统计推断框架，没有足够文本依据归入所列应用或模型细分方向。
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
可信度推断
- 研究问题
- 如何建立与似然理论平行的可信度推断框架，使概率或密度高度反映数据证据的另一侧面，并联系检验与估计？
- 方法与思路
- 作者提出对概率或密度高度进行归一化的可信度函数，并整合高度显著性检验、最大高度估计与 M 辅助性等概念。
- 材料陈述的贡献
- 摘要称形成统一推断框架，讨论普遍性、指数模型及其与似然推断的联系和区别，并分析高度检验背后的逻辑。
- 阅读关注点
- 应核对可信度归一化的定义、最大高度估计可能形成的参数集合，以及 M 辅助性和高度检验分别承担何种推断作用。
- 阅读边界
- 仅据 Crossref 摘要；概念的完整定义、检验校准与适用条件未提供，不能据此确认其相对似然推断的优势或刊本变化。
原文摘要
Summary A scheme for inference—plausibility theory—is proposed. It parallels likelihood theory, the analogue of the likelihood function L(ω) = p(t; ω) being the plausibility function π(ω) = p(t; ω)/supt p(t; ω), but likelihood and plausibility throw light on different aspects of the evidence in the data t. The ordinate test for significance (which rejects for small values of the probability (density) function, of a simple hypothesis), the maximum ordinate estimate (which equals the set of ω's such that p(·; ω) has mode at t), and M-ancillarity are, to some extent in modified form, integrated in plausibility theory. Among the subthemes, particular attention is given to relevant properties of universality (in its origin a preconcept for M-ancillarity), to exponential models, and, naturally, to similarities and contrasts between plausibility inference and likelihood inference. The logic connected with the ordinate test is also attended to.