Bayesian mode regression using mixtures of triangular densities
基于三角密度混合的贝叶斯众数回归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：摘要以误差密度建模和回归众数这一分布位置特征为核心，直接关联分布方法。
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
基于三角密度混合的贝叶斯众数回归
- 研究问题
- 在贝叶斯半参数回归中，如何灵活建模误差分布，同时将误差众数固定为零，从而实现众数回归的估计？
- 方法与思路
- 作者使用三角分布混合构造误差密度先验，将众数约束纳入非参数分布建模，并研究众数估计量的一致性性质。
- 材料陈述的贡献
- 摘要称该构造在单峰、未截断的凸密度空间上形成条件共轭先验，并通过模拟与真实数据展示众数回归方法。
- 阅读关注点
- 应核对摘要所称凸密度空间的精确定义、固定众数的机制、先验支持范围、后验计算方法及一致性结论的对象。
- 阅读边界
- 仅依据所给出版社摘要；先验与模型的具体条件、计算细节和应用数值未说明，也不能据此判断其相对均值或中位数回归的优势。
原文摘要
Bayesian semiparametric models for mean and median regressions abound, but a void for mode regressions exists. We fill this gap by nonparametrically modeling the error distribution in such regressions that entails constructing prior distributions on densities which exhibit flexibility, while fixing the mode at 0. Such priors exist when constraining the mean and median but, to our knowledge, there is none for the mode. Our solution with mixtures of triangular distributions results in a conditionally conjugate prior on the space of unimodal, untruncated, convex densities. Consistency properties of the resulting modal estimators are studied, followed by simulated and real data illustrations.