物理学 > 数据分析、统计与概率
[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
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。
文献和引用工具
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
推荐器和搜索工具
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.