时间序列中的概率聚合：稀疏专家信念的动态分层建模
应用统计
2014-08-04 v1
摘要
大多数主观概率聚合程序仅使用每位专家的单一概率判断，尽管研究实际问题的专家通常会随时间更新其概率估计。本文通过考虑专家可在随机间隔更新信念的动态情境，进入了概率聚合的未探索领域。更新发生得非常频繁，导致数据集稀疏，无法用标准时间序列程序建模。针对缺乏适当方法论的问题，本文提出了一种分层模型，该模型考虑了专家自我报告的专业水平，并生成了在样本内和样本外均尖锐且校准良好的聚合概率。该模型在一个真实世界数据集上进行了演示，该数据集包含超过 2300 名专家在两年内对 166 个国际政治事件的不同子集进行的多次概率预测。
引用
@article{arxiv.1408.0087,
title = {Probability aggregation in time-series: Dynamic hierarchical modeling of sparse expert beliefs},
author = {Ville A. Satopää and Shane T. Jensen and Barbara A. Mellers and Philip E. Tetlock and Lyle H. Ungar},
journal= {arXiv preprint arXiv:1408.0087},
year = {2014}
}
备注
Published in at http://dx.doi.org/10.1214/14-AOAS739 the Annals of Applied Statistics (http://www.imstat.org/aoas/) by the Institute of Mathematical Statistics (http://www.imstat.org)