Nonparametric Bayes Estimation of Contamination Levels Using Observations from the Residual Distribution
利用阈值以上样本的污染水平非参数贝叶斯估计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：摘要研究环境污染分布的统计估计，未涉及微观分布效应或其他给定领域的专门问题。
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…
利用阈值以上样本的污染水平非参数贝叶斯估计
- 研究问题
- 如何结合一般污染浓度样本与来自阈值以上热点区域的补充样本，估计浓度分布和均值，并处理删失与截断？
- 方法与思路
- 作者用 Dirichlet 过程表达先验，构造分布函数及均值的非参数贝叶斯估计，允许浓度测量右删失和热点数据左截断。
- 材料陈述的贡献
- 摘要称均值估计在多种成本函数下通常优于比较方法，并给出非信息先验极限下与非参数极大似然及局部 Kaplan–Meier 估计的联系。
- 阅读关注点
- 阅读全文时应核对热点样本的抽样机制、删失与截断条件、先验设置、成本函数，以及对先验误设和删失分布的敏感性。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；优于其他估计的具体条件和幅度未提供，“剩余分布”不能理解为回归残差分布。
原文摘要
Data on contamination concentrations for chromium from one of the EPA's toxic waste sites consist of independent and identically distributed (iid) measurements along with additional observations from the residual distribution. The residual sample is obtained by sampling from hot spots, where contamination concentrations are assumed to be above a given threshold value. The data are modeled using a nonparametric Bayes estimator of the distribution function. The Dirichlet process is used to formulate prior information about the chromium contamination, and we compare the Bayes estimator of the mean concentration level to other estimators currently considered by the EPA and other sources. The Bayes estimator of the mean generally outperforms competing estimators under various cost functions. The Bayes estimator of the distribution function is derived assuming the possibility of right-censored contamination measurements along with left-truncated hot spot data. For the case in which the prior becomes noninformative, the Bayes estimator of the distribution function is the nonparametric maximum likelihood estimator, which is identical to the Kaplan-Meier estimator for concentration values observed below the residual sample threshold. Robustness of the Bayes estimator is examined with respect to misspecification of the prior and its sensitivity to the censoring distribution.