Non-Bayesian Learning in Misspecified Models

Fiche du document

Date

23 mars 2025

Type de document
Périmètre
Identifiant
  • 2503.18024
Collection

arXiv

Organisation

Cornell University




Citer ce document

Sebastian Bervoets et al., « Non-Bayesian Learning in Misspecified Models », arXiv - économie


Partage / Export

Résumé 0

Deviations from Bayesian updating are traditionally categorized as biases, errors, or fallacies, thus implying their inherent ``sub-optimality.'' We offer a more nuanced view. We demonstrate that, in learning problems with misspecified models, non-Bayesian updating can outperform Bayesian updating.

document thumbnail

Par les mêmes auteurs

Sur les mêmes sujets

Sur les mêmes disciplines