跳到正文
← 返回论文列表与筛选
阅读说明

本页整理公开书目信息,不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成,未完成全文核验,可能有误;具体假设、证明与结论请核对原文。摘要保留来源文本,未经模型改写。

DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要;缺少可靠材料时保留待补状态。

引用量采用 OpenAlex 单条关联记录,不合计多个记录;关联记录可能包含正式发表版本,不等于此版本单独引用。缺失不视为零,引用指标不代表论文质量。

关注作者按书目中的完整姓名匹配,同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列,再参考通用方法与发表日期。

分类依据与纠错

AI 根据所提供的论文材料归类:摘要研究通用序贯检验的停时分布,未明确涉及所列宏观、微观或金融方向。

反馈分类问题

正在核对关联版本…

代码、数据与补充材料

正在核对对应版本的资源…

关注这篇论文的作者
K. C. Chanda

序贯概率比检验所需样本量的渐近分布

研究问题
对于简单参数假设之间的经典序贯概率比检验,当备择参数与原假设越来越接近时,终止检验所需观测数如何变化?
方法与思路
作者在指数分布族及真实参数不同于原假设参数的设定下,研究停时随参数差趋零的缩放极限,并给出数值例子。
材料陈述的贡献
摘要称缩放后的停时依概率趋于正的常数,并提及正态极限与相关常数的数值例子;但正态化表达式在所给文本中缺失。
阅读关注点
应查原文核对停时的标准化公式、相关常数的定义及边界依赖关系,并确认真实参数取值条件与指数族假设的作用。
阅读边界
OpenAlex 索引摘要版本未注明,且正态化公式缺失、常数的条件描述疑有重复错误;不得据此重构公式,需查阅原PDF。

原文摘要

The derivation is presented of the asymptotic distribution of the number N of observations required to terminate the classical sequential probability ratio test (SPRT) with bounds a, b (a > 0 > b) of a simple parametric hypothesis H: θ = θ1 against a simple parametric alternative K:θ=θ1+Δ(Δ>0) when Δ tends to zero. It is shown that if the common probability density function (p.d.f.) of the basic random variables belongs to the Darmois-Koopman exponential class and if the true value of θ0 of θ is different from θ1 then as Δ→0, NΔ tends in probability to a constant A > 0 which is a specified multiple of a if θ0 > θ1 and of - b if θ0 < θ1. Also there exists B > 0 which is finite and depends on a if θ0 < θ1 and on − b if θ0 < θ1 such that tends to N(0, 1) as Δ→0. Finally, a few numerical examples are worked to illustrate the magnitudes of A and B.

笔记与分组