Multiple Probability Assessments by Dependent Experts
相互依赖专家的多变量概率评估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：摘要讨论一般贝叶斯信息汇总，未指定经济预测、金融因子或网络数据模型。
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
相互依赖专家的多变量概率评估
- 研究问题
- 多位专家对多个随机变量提供相关评估时，决策者如何同时更新变量信念并校准专家的评估误差？
- 方法与思路
- 作者建立贝叶斯双向更新模型，重点处理多元正态评估误差，推导后验密度及专家均值的加权汇总形式。
- 材料陈述的贡献
- 摘要称评估误差的依赖可使先验独立变量在后验中相关，并给出加权汇总和简单平均成立的特殊情形。
- 阅读关注点
- 应核对误差依赖结构如何建模、已知量评估如何决定权重，以及简单平均对应的特殊模型限制。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明校准所需信息、稳健性或实际决策表现，不能推断任意专家组合的有效性或刊本变化。
原文摘要
When two or more information sources (“experts”) provide a decision maker with information on two or more random variables, the decision maker using Bayes's rule has an opportunity to (a) update a prior about the random variables and (b) calibrate the experts. (Calibration is the process of adjusting the decision maker's likelihood about the experts' assessments.) This article presents a model for this two-way process and specializes to the case in which the experts' assessment errors have a multivariate normal density. In general, we find that variables which the decision maker and the experts regard as independent a priori will be dependent a posteriori because of dependence in the assessment errors. Formulas for posterior densities are given for the normal model. In this model the posterior density of the random variables depends on only a weighted average of the expert's means, with weights that depend on the experts' assessments of previously known quantities. I also present a special case of the model for which the mean of the posterior density is correctly given by a simple (unweighted) average of assessments.