Rejoinder—A Gibbs Sampler for a Class of Random Convex Polytopes
作者答复：一类随机凸多面体的Gibbs采样器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：所给摘要涉及类别分布的不确定性推断与采样算法，图结构用于计算，不足以归入经济网络或离散选择。
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…
作者答复：一类随机凸多面体的Gibbs采样器
- 研究问题
- 所给摘要介绍如何计算类别分布的Dempster–Shafer推断，使部分先验信息能够形成支持、反对与未知三类不确定性评估。
- 方法与思路
- 摘要描述以随机凸多面体分布为目标的Gibbs采样，利用顶点迭代约束与完全有向图中环非负性的等价关系实现。
- 材料陈述的贡献
- 所给摘要称该采样器实现相关Dempster–Shafer推断，并展示列联表独立性检验及连锁模型参数估计两个例子。
- 阅读关注点
- 先核对该条目是否确为作者答复及摘要归属，再检查采样目标、图约束等价条件，以及正文具体回应了哪些评论。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；题名标为作者答复，但摘要介绍一般方法，无法确认答复新增内容或主论文结论。
原文摘要
We present a Gibbs sampler for the Dempster-Shafer (DS) approach to statistical inference for Categorical distributions. The DS framework extends the Bayesian approach, allows in particular the use of partial prior information, and yields three-valued uncertainty assessments representing probabilities "for", "against", and "don't know" about formal assertions of interest. The proposed algorithm targets the distribution of a class of random convex polytopes which encapsulate the DS inference. The sampler relies on an equivalence between the iterative constraints of the vertex configuration and the non-negativity of cycles in a fully connected directed graph. Illustrations include the testing of independence in 2 × 2 contingency tables and parameter estimation of the linkage model.