P Values for Composite Null Models
复合原假设模型的p值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：摘要讨论复合原假设下的一般模型检验理论，缺少归入所列应用或方法细分的明确证据。
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
复合原假设模型的p值
- 研究问题
- 当原假设模型含未知参数时，如何定义数据与模型的相容性度量，并比较不同频率学派与贝叶斯 p 值的性质？
- 方法与思路
- 作者考察代入式、相似检验及预测和后验预测 p 值，另提出条件预测 p 值与部分后验预测 p 值两种替代方案。
- 材料陈述的贡献
- 摘要称新方案从贝叶斯和频率学派两个角度具有优势，但未列出具体性质或量化比较；贡献集中于复合模型检验度量。
- 阅读关注点
- 应核对条件预测所用的条件信息、部分后验如何构造，以及所谓优势对应的校准标准、适用模型和比较对象。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；不能推断刊本变化。摘要未给出具体优势、成立条件或数值结果，不能据此断言普遍更优。
原文摘要
The problem of investigating compatibility of an assumed model with the data is investigated in the situation when the assumed model has unknown parameters. The most frequently used measures of compatibility are p values, based on statistics T for which large values are deemed to indicate incompatibility of the data and the model. When the null model has unknown parameters, p values are not uniquely defined. The proposals for computing a p value in such a situation include the plug-in and similar p values on the frequentist side, and the predictive and posterior predictive p values on the Bayesian side. We propose two alternatives, the conditional predictive p value and the partial posterior predictive p value, and indicate their advantages from both Bayesian and frequentist perspectives.