随机度量是时间对事件数据的有效非参数贝叶斯建模的关键要素。本文主要讨论危险率函数的先验值，其中一个常见的选择是关于伽马随机测度的核混合。采样方案通常基于基本随机测量的近似值，两者先验的并有条件地根据数据。我们的主要目标是通过Wasserstein距离量化近似误差。虽然很容易模拟，但Wasserstein距离通常很难评估，这使得易于处理和提供信息的边界变得至关重要。在这里，我们在更广泛的一类完全随机测度上完成了这项任务，产生了许多值得注意的随机测度之间的差异测度，包括gamma、广义gamma和beta族。通过将这些结果专门化为伽马核混合物，我们获得了危险率、累积危险率和生存函数之间的Wasserstein距离的上下限。