Optimum Sampling in Binomial Populations
二项总体中的最优抽样AI 解读 ↓
← 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：摘要研究二项总体比较中的抽样决策，没有经济离散选择模型或其他所列计量方向的直接依据，故暂不分类。
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
二项总体中的最优抽样
- 研究问题
- 为判断两个二项总体哪个均值更大，如何根据抽样成本、结果使用规模及错误选择损失确定所需样本量？
- 方法与思路
- 作者将样本量选择表述为统计决策问题，用抽样成本和选择错误的单位损失构建目标，采用极小极大准则。
- 材料陈述的贡献
- 摘要称所给样本量可写成成本、使用规模和单位损失的简单函数，并在可能的总体参数范围内最小化最大期望损失。
- 阅读关注点
- 应核对损失函数、选择规则和样本量的具体表达，检查成本设定、参数范围及整数样本量处理如何影响最优性。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明；最优性依赖的决策设定未完整说明，不能视为所有二项比较的通用样本量。
原文摘要
IN choosing the sample size for determining which of two populations has the larger mean, one ordinarily states a difference which is considered worth detecting, and a confidence with which one wishes to detect a difference of this size. Given this information, it is easy to calculate the minimum required sample size. The experimenter, however, must still face the problem of what difference and what confidence coefficient to choose. Actually, these may be considered as functions of the cost of sampling, and the amount and kind of use to be made of the result, i.e., the cost of making an erroneous decision. Assuming we are given two binomial populations, this paper will present a method of giving the required sample size as a simple function of the cost of sampling, the amount of use to be made of the result, and the loss per unit in choosing the wrong population. This sample size minimizes the maximum expected loss over possible values of the population parameters. A discussion of statistical decision theory and in particular of the minimax principle is given in [5]. Some applications are given in [1 ], [2], [4] and [6].