Approximate Bayes Solutions to Some Nonparametric Problems
若干非参数问题的近似贝叶斯解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：摘要研究一般分布泛函的贝叶斯非参数估计，未明确对应所列应用或模型细分方向。
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
若干非参数问题的近似贝叶斯解
- 研究问题
- 在未知分布形式的贝叶斯非参数框架中，如何对分布的实值泛函进行推断，并在指定估计函数类内构造贝叶斯估计？
- 方法与思路
- 作者在一般二次损失下，将估计限制为给定样本空间函数的线性组合，再将所得结果用于构造分布矩的多项式估计。
- 材料陈述的贡献
- 摘要称得到适用于一般分布泛函的受限类贝叶斯估计，并据此推导分布矩的贝叶斯多项式估计。
- 阅读关注点
- 核对分布空间上的先验、二次损失和允许的函数类，理解近似或受限优化的含义，以及矩估计的具体构造。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明先验及近似误差，不能将受限函数类中的贝叶斯解视为全局最优解。
原文摘要
The problem of making inferences about real functions of a probability distribution of unknown form is examined in a Bayesian nonparameteric framework. With respect to a general quadratic loss function, Bayes estimates within the class of linear combinations of a given set of functions on the sample space are obtained for general functions on the distribution space. The result is then used to derive Bayes polynomial estimates of the moments of the distribution.