Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > physics > arXiv:physics/0703126

帮助 | 高级搜索

物理学 > 数据分析、统计与概率

arXiv:physics/0703126 (physics)
[提交于 2007年3月12日 (v1) ,最后修订 2007年4月29日 (此版本, v2)]

标题: 拉普拉斯-杰尼斯归纳法

标题: The Laplace-Jaynes approach to induction

Authors:P. G. L. Porta Mana, A. Månsson, G. Björk
摘要: 提出了一种归纳方法,基于将给定问题的上下文分析为“情况”的思想。 这种方法在形式和意义上完全贝叶斯,为基于德菲内蒂表示定理和无限可交换性概念的方法提供了一种补充,或者在某些情况下是一种替代方法。 特别是,它为那些表面上涉及“未知概率”或“倾向性”的公式提供了另一种解释。 讨论了所提出方法的各种优点和应用,特别是在与基于可交换性的方法进行比较时。 还讨论了推广的情况。
摘要: An approach to induction is presented, based on the idea of analysing the context of a given problem into `circumstances'. This approach, fully Bayesian in form and meaning, provides a complement or in some cases an alternative to that based on de Finetti's representation theorem and on the notion of infinite exchangeability. In particular, it gives an alternative interpretation of those formulae that apparently involve `unknown probabilities' or `propensities'. Various advantages and applications of the presented approach are discussed, especially in comparison to that based on exchangeability. Generalisations are also discussed.
评论: 38页,1幅图。V2:修改了某些部分的讨论,修正了拼写错误,增加了参考文献。
主题: 数据分析、统计与概率 (physics.data-an) ; 人工智能 (cs.AI); 量子物理 (quant-ph)
引用方式: arXiv:physics/0703126 [physics.data-an]
  (或者 arXiv:physics/0703126v2 [physics.data-an] 对于此版本)
  https://doi.org/10.48550/arXiv.physics/0703126
通过 DataCite 发表的 arXiv DOI

提交历史

来自: P. G. L. Porta Mana [查看电子邮件]
[v1] 星期一, 2007 年 3 月 12 日 15:44:15 UTC (184 KB)
[v2] 星期日, 2007 年 4 月 29 日 11:59:26 UTC (178 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
physics.data-an
< 上一篇   |   下一篇 >
新的 | 最近的 | 2007-03

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号