Zobrazeno 1 - 10
of 36
pro vyhledávání: '"Conditional Identity In Distribution"'
Publikováno v:
Brazilian Journal of Probability and Statistics, 2018 Jan 01. 32(4), 815-833.
Externí odkaz:
https://www.jstor.org/stable/26496533
Publikováno v:
Mathematics, Vol 9, Iss 24, p 3211 (2021)
Let S be a Borel subset of a Polish space and F the set of bounded Borel functions f:S→R. Let an(·)=P(Xn+1∈·∣X1,…,Xn) be the n-th predictive distribution corresponding to a sequence (Xn) of S-valued random variables. If (Xn) is conditionall
Externí odkaz:
https://doaj.org/article/8a82474754954a00b5b0f5b954f58b9d
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Bernoulli 27, no. 1 (2021), 702-726
In a Bayesian framework, to make predictions on a sequence $X_{1},X_{2},\ldots $ of random observations, the inferrer needs to assign the predictive distributions $\sigma _{n}(\cdot )=P(X_{n+1}\in \cdot \mid X_{1},\ldots,X_{n})$. In this paper, we pr
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::950079f2131bedc246c4c5e457062ef5
https://doi.org/10.3150/20-bej1255
https://doi.org/10.3150/20-bej1255
Given a sequence $X=(X_1,X_2,\ldots)$ of random observations, a Bayesian forecaster aims to predict $X_{n+1}$ based on $(X_1,\ldots,X_n)$ for each $n\ge 0$. To this end, in principle, she only needs to select a collection $\sigma=(\sigma_0,\sigma_1,\
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f96405815b8dc7b94142c24124e32be9
Publikováno v:
Mathematics
Volume 9
Issue 22
Mathematics, Vol 9, Iss 2845, p 2845 (2021)
Volume 9
Issue 22
Mathematics, Vol 9, Iss 2845, p 2845 (2021)
Measure-valued Pólya urn processes (MVPP) are Markov chains with an additive structure that serve as an extension of the generalized k-color Pólya urn model towards a continuum of possible colors. We prove that, for any MVPP (μn)n≥0 on a Polish
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::546a584bcb76a033ff77e70b2b100796
https://doi.org/10.3390/math9222845
https://doi.org/10.3390/math9222845
Let $(X_n:nge 1)$ be a sequence of random observations. Let $sigma_n(cdot)=Pigl(X_{n+1}in~cdotmid X_1,ldots,X_nigr)$ be the $n$-th predictive distribution and $sigma_0(cdot)$=$P(X_1in~cdot)$ the marginal distribution of $X_1$. To make predictions on
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::f5d111cce7f410f6c237b816a38ce3e8
http://arxiv.org/abs/2104.11643
http://arxiv.org/abs/2104.11643
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Braz. J. Probab. Stat. 32, no. 4 (2018), 815-833
Let $(X_{n})$ be a sequence of random variables, adapted to a filtration $(\mathcal{G}_{n})$, and let $\mu_{n}=(1/n)\sum_{i=1}^{n}\delta_{X_{i}}$ and $a_{n}(\cdot)=P(X_{n+1}\in\cdot|\mathcal{G}_{n})$ be the empirical and the predictive measures. We f
Externí odkaz:
https://explore.openaire.eu/search/publication?articleId=doi_dedup___::e258a57b24eca9596ab626f47d12e701
https://doi.org/10.1214/17-bjps367
https://doi.org/10.1214/17-bjps367