Local sensitivity of posterior expectations
后验期望的局部敏感性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：摘要属于一般贝叶斯稳健性与敏感性理论，没有足够证据对应所列领域细分。
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
后验期望的局部敏感性
- 研究问题
- 后验期望对先验分布的局部扰动有多敏感，扰动范数的选择以及参数维度增加会如何影响敏感性的衡量？
- 方法与思路
- 作者通过泛函微分构造局部敏感性方法，根据不变性考虑提出一族扰动范数，并利用渐近分析讨论其选择。
- 材料陈述的贡献
- 摘要称，敏感性高度依赖范数；维度增加时需缩小扰动类别，并在所研究框架下将 Jeffreys 先验刻画为最不敏感的先验。
- 阅读关注点
- 应核对扰动类别、范数定义和不变性要求，尤其确认 Jeffreys 先验的最不敏感结论依赖何种比较范围与条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；范数与渐近条件未展开，不能把特定敏感性框架中的刻画解释为通用先验最优性。
原文摘要
We investigate the degree to which posterior expectations are sensitive to prior distributions, using a local method based on functional differentiation. Invariance considerations suggest a family of norms which can be used to measure perturbations to the prior. The sensitivity measure is seen to depend heavily on the choice of norm; asymptotic results suggest which norm will yield the most useful results in practice. We find that to maintain asymptotically sensible behaviour, it is necessary to reduce the richness of the class of prior perturbations as the dimension of the parameter space increases. Jeffreys' prior is characterized as the prior to which inference is least sensitive.