Predictive Fit for Natural Exponential Families
自然指数族的预测拟合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：摘要研究一般统计预测分布及其KL风险，没有宏观预测或资产收益预测的明确对象，故不归入相应应用方向。
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
自然指数族的预测拟合
- 研究问题
- 如何用平均Kullback–Leibler散度评价预测分布与真实分布的拟合，并改进自然指数族中的参数代入式预测分布？
- 方法与思路
- 作者引入平均化bootstrap预测分布，以平均KL散度作比较准则，分析自然指数族下的渐近表现，并研究Poisson和二项小样本情形。
- 材料陈述的贡献
- 摘要称真实分布属于自然指数族时，平均化bootstrap在平均KL散度上渐近优于参数代入式预测；小样本结果提示两类示例表现良好。
- 阅读关注点
- 应核对bootstrap平均化的定义、KL散度取平均的对象、渐近比较的条件，以及Poisson与二项示例中小样本评价的具体范围。
- 阅读边界
- 仅据稿件版本未注明的OpenAlex摘要；渐近优势限定于所述分布族与损失准则，小样本证据未提供数值，不能推广为普遍预测优势。
原文摘要
The paper examines predictive distributions, concentrating on measuring their fit to the true distribution by average KulLback–Leibler divergence. The notion of an ‘averaged bootstrap’ predictive distribution is introduced. This predictive distribution is shown to be asymptotically superior to the estimative distribution, in terms of average Kullback–Leibler divergence, when the true distribution is in a natural exponential family. Small-sample results are presented for the Poisson and binomial distributions which suggest that the bootstrap distribution performs well in these cases.