A Bayesian approach to some outlier problems
若干异常值问题的贝叶斯处理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：摘要讨论通用异常值与贝叶斯线性模型，未提供归入所列应用领域的直接依据。
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
若干异常值问题的贝叶斯处理
- 研究问题
- 当实验观测可能来自正常或异常运行时，如何通过贝叶斯模型表达观测来源的不确定性，并据此开展线性模型分析？
- 方法与思路
- 作者为正常与异常运行分别设定模型及先验概率；在线性模型例子中，两类正态观测均值相同，异常观测方差更大。
- 材料陈述的贡献
- 摘要提出按正常与异常来源建模、再应用标准贝叶斯推断的分析思路，并给出同均值而不同方差的线性模型例子。
- 阅读关注点
- 应核对异常来源的先验、方差差异的处理，以及后验如何影响线性模型分析；方差符号排版需查阅原PDF。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；方差符号疑似丢失上标，需核对原PDF。摘要未说明先验敏感性或稳健性保证。
原文摘要
The problem of outlying observations is considered from a Bayesian viewpoint. We suppose that each of the observations in an experiment in an experiment may come from either a ‘good’ run or a ‘bad’ run. By specifying the models corresponding to good and bad runs and the prior probabilities of which runs being bad, we then employ standard Bayesian inference procedures to derive the appropriate analysis. In particular, we consider the linear model and assume that a good observation is normally distributed about its mean with variance σ2, and a bad one is normal with the same mean but a larger variance k2σ2. An example is given.