Arbeitspapier

A nonparametric predictive alternative to the Imprecise Dirichlet Model: the case of a known number of categories

Nonparametric Predictive Inference (NPI) is a general methodology to learn from data in the absense of prior knowledge and without adding unjustified assumptions. This paper develops NPI for multinominal data where the total number of possible categories for the data is known. We present the general upper and lower probabilities and several of their properties. We also comment on differences between this NPI approach and corresponding inferences based on Walley's Imprecise Dirichlet Model.

Sprache
Englisch

Erschienen in
Series: Discussion Paper ; No. 489

Thema
Imprecise Dirichlet Model
imprecise probabilities
interval probability
known number of categories
lower and upper probabilities
multinominal data
nonparametric predictive inference
probability wheel

Ereignis
Geistige Schöpfung
(wer)
Coolen, F. P. A.
Augustin, Thomas
Ereignis
Veröffentlichung
(wer)
Ludwig-Maximilians-Universität München, Sonderforschungsbereich 386 - Statistische Analyse diskreter Strukturen
(wo)
München
(wann)
2006

DOI
doi:10.5282/ubm/epub.1857
Handle
URN
urn:nbn:de:bvb:19-epub-1857-4
Letzte Aktualisierung
10.03.2025, 11:41 MEZ

Datenpartner

Dieses Objekt wird bereitgestellt von:
ZBW - Deutsche Zentralbibliothek für Wirtschaftswissenschaften - Leibniz-Informationszentrum Wirtschaft. Bei Fragen zum Objekt wenden Sie sich bitte an den Datenpartner.

Objekttyp

  • Arbeitspapier

Beteiligte

  • Coolen, F. P. A.
  • Augustin, Thomas
  • Ludwig-Maximilians-Universität München, Sonderforschungsbereich 386 - Statistische Analyse diskreter Strukturen

Entstanden

  • 2006

Ähnliche Objekte (12)