Quantifying Expert Opinion in Linear Regression Problems
线性回归问题中专家意见的量化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：摘要讨论一般正态线性模型的先验征询，未提供归入所列计量领域细分的直接依据。
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
线性回归问题中专家意见的量化
- 研究问题
- 如何将专家对正态线性模型的判断转化为自然共轭先验，同时让意见征询任务易于完成，并保证评估所得方差矩阵正定？
- 方法与思路
- 作者通过指定的意见征询任务收集专家判断，再据此估计共轭先验的超参数；任务设计兼顾人的判断能力和计算实现的简便性。
- 材料陈述的贡献
- 摘要称该方法引入一种此前未报告的征询任务，保证评估所得方差矩阵正定，并可通过微型计算机上的交互程序实现。
- 阅读关注点
- 阅读全文时应核对征询任务的具体内容、判断值到超参数的转换，以及正定性保证的条件和专家判断不一致时的处理。
- 阅读边界
- 仅据所给 Crossref 摘要，无法判断先验对后验结果的敏感性、专家判断的可靠性及实际效果；摘要未说明这些验证细节。
原文摘要
SUMMARY This paper describes a method for choosing a natural conjugate prior distribution for a normal linear sampling model. A person using the method to quantify his/her opinions performs specified elicitation tasks. The hyperparameters of the conjugate distribution are estimated from the elicited values. The method is designed to require elicitation tasks that people can perform competently and introduces a type of task not previously reported. A property of the method is that the assessed variance matrices are certain to be positive definite. The method is sufficiently simple to implement with an interactive computer program on a microcomputer.