• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利：CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法，用中文像聊天一样搜索，搜遍4000万医学文献。AI智能推荐，让科研检索更轻松。

立即免费搜索

文件翻译

保留排版，准确专业，支持PDF/Word/PPT等文件格式，支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述，25分钟生成高质量综述，智能提取关键信息，辅助科研写作。

立即免费体验

相似文献

1
On exact Bayesian credible sets for discrete parameters.关于离散参数的精确贝叶斯可信集。
Stat Probab Lett. 2025 Mar;218. doi: 10.1016/j.spl.2024.110295. Epub 2024 Nov 22.
2
Sample Size Requirements for Calibrated Approximate Credible Intervals for Proportions in Clinical Trials.临床试验中比例的校准近似可信区间的样本量要求。
Int J Environ Res Public Health. 2021 Jan 12;18(2):595. doi: 10.3390/ijerph18020595.
3
On the Equivalence of a Likelihood Ratio of Drasgow, Levine, and Zickar (1996) and the Statistic Based on the Neyman-Pearson Lemma of Belov (2016).关于德拉斯戈、莱文和齐卡尔（1996年）似然比与基于别洛夫（2016年）奈曼 - 皮尔逊引理的统计量的等价性
Appl Psychol Meas. 2017 Mar;41(2):145-149. doi: 10.1177/0146621616673597. Epub 2016 Oct 24.
4
UNIFORMLY MOST POWERFUL BAYESIAN TESTS.一致最强大贝叶斯检验
Ann Stat. 2013;41(4):1716-1741. doi: 10.1214/13-AOS1123.
5
An Exact Bayesian Model for Meta-Analysis of the Standardized Mean Difference with Its Simultaneous Credible Intervals.标准化均数差的精确贝叶斯元分析模型及其同时可信区间。
Multivariate Behav Res. 2024 Sep-Oct;59(5):1058-1076. doi: 10.1080/00273171.2024.2358233. Epub 2024 Jul 23.
6
Log-mean distribution: applications to medical data, survival regression, Bayesian and non-Bayesian discussion with MCMC algorithm.对数均值分布：在医学数据中的应用、生存回归、基于马尔可夫链蒙特卡罗算法的贝叶斯和非贝叶斯讨论。
J Appl Stat. 2022 Jan 7;50(5):1152-1177. doi: 10.1080/02664763.2021.2023117. eCollection 2023.
7
Extended input space support vector machine.
IEEE Trans Neural Netw. 2011 Jan;22(1):158-63. doi: 10.1109/TNN.2010.2090668. Epub 2010 Nov 18.
8
A bootstrap based Neyman-Pearson test for identifying variable importance.基于自举的 Neyman-Pearson 检验用于识别变量重要性。
IEEE Trans Neural Netw Learn Syst. 2015 Apr;26(4):880-6. doi: 10.1109/TNNLS.2014.2320415.
9
The new discrete distribution with application to COVID-19 Data.适用于新冠疫情数据的新离散分布。
Results Phys. 2022 Jan;32:104987. doi: 10.1016/j.rinp.2021.104987. Epub 2021 Dec 5.
10
Expressing regret: a unified view of credible intervals.表达遗憾：可信区间的统一观点。
Am Stat. 2022;76(3):248-256. doi: 10.1080/00031305.2022.2039764. Epub 2022 Mar 15.

本文引用的文献

1
Modeling the ACMG/AMP variant classification guidelines as a Bayesian classification framework.将 ACMG/AMP 变异分类指南建模为贝叶斯分类框架。
Genet Med. 2018 Sep;20(9):1054-1060. doi: 10.1038/gim.2017.210. Epub 2018 Jan 4.
2
MCMC implementation of the optimal Bayesian classifier for non-Gaussian models: model-based RNA-Seq classification.非高斯模型最优贝叶斯分类器的MCMC实现：基于模型的RNA测序分类
BMC Bioinformatics. 2014 Dec 10;15(1):401. doi: 10.1186/s12859-014-0401-3.
3
New mini- zincin structures provide a minimal scaffold for members of this metallopeptidase superfamily.新型微型锌指结构为该金属肽酶超家族成员提供了最小的支架。
BMC Bioinformatics. 2014 Jan 3;15:1. doi: 10.1186/1471-2105-15-1.
4
Bag of Naïve Bayes: biomarker selection and classification from genome-wide SNP data.朴素贝叶斯袋：从全基因组 SNP 数据中进行生物标志物选择和分类。
BMC Bioinformatics. 2012;13 Suppl 14(Suppl 14):S2. doi: 10.1186/1471-2105-13-S14-S2. Epub 2012 Sep 7.
5
GuiTope: an application for mapping random-sequence peptides to protein sequences.GuiTope：一种将随机序列肽映射到蛋白质序列的应用程序。
BMC Bioinformatics. 2012 Jan 3;13:1. doi: 10.1186/1471-2105-13-1.

关于离散参数的精确贝叶斯可信集。

On exact Bayesian credible sets for discrete parameters.

作者信息

Song Chaegeun, Li Bing

机构信息

Department of Statistics, The Pennsylvania State University.

出版信息

Stat Probab Lett. 2025 Mar;218. doi: 10.1016/j.spl.2024.110295. Epub 2024 Nov 22.

DOI:10.1016/j.spl.2024.110295
PMID:39803594
原文链接:https://pmc.ncbi.nlm.nih.gov/articles/PMC11722005/
Abstract

We introduce a generalized Bayesian credible set that can achieve any preassigned credible level, addressing a limitation of the current credible sets. This is achieved by exploiting a connection between the highest posterior density set and the Neyman-Pearson lemma.

摘要

我们引入了一种广义贝叶斯可信集，它可以达到任何预先指定的可信水平，解决了当前可信集的一个局限性。这是通过利用最高后验密度集与奈曼 - 皮尔逊引理之间的联系来实现的。