The Bayes/Non-Bayes Compromise and the Multinomial Distribution
贝叶斯与非贝叶斯检验的折中：多项分布情形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：多项分布等概率检验不等同于离散选择建模，摘要内容属于一般假设检验理论。
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
贝叶斯与非贝叶斯检验的折中：多项分布情形
- 研究问题
- 针对多项分布各类别等概率的检验，贝叶斯因子与频率学派显著性标准之间存在怎样的分布和尾部概率联系？
- 方法与思路
- 作者比较 Pearson 卡方、似然比、贝叶斯因子及源于第二类最大似然的 G 统计量，分析其分布与尾部概率。
- 材料陈述的贡献
- 摘要称，G 的渐近分布在极端尾部仍相当准确，贝叶斯因子也可作为非贝叶斯准则，并与 G 近乎等价。
- 阅读关注点
- 应核对贝叶斯模型及先验、第二类似然的定义、近乎等价的含义，以及极端尾部近似准确性的证据和适用条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；先验、样本规模与误差界未说明，不能将尾部准确性推广到其他模型或检验。
原文摘要
Compromises between Bayesian and non-Bayesian significance testing are exemplified by examining distributions of criteria for multinominal equiprobability. They include Pearson's X2, the likelihood-ratio, the Bayes factor F, and a statistic G that previously arose from a Bayesian model by “Type II Maximum Likelihood.” Its asymptotic distribution, implied by the theory of the “Type II Likelihood Ratio,” is remarkably accurate into the extreme tail. F too can be treated as a non-Bayesian criterion and is almost equivalent to G. The relationship between F and its own tail area sheds further light on the relationship between Bayesian and “Fisherian” significance.