Asymptotic Properties of Bayesian Decision Rules for Two Terminal Decisions and Multiple Sampling. I
两种终端决策与多阶段抽样下贝叶斯决策规则的渐近性质（一）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：摘要属于贝叶斯抽样与统计决策的一般理论，没有所列经济计量细分方向的直接证据。
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
两种终端决策与多阶段抽样下贝叶斯决策规则的渐近性质（一）
- 研究问题
- 在抽样成本随样本量增加的贝叶斯决策中，如何为多阶段抽样安排样本量与接受、拒绝界限，以最小化平均遗憾？
- 方法与思路
- 作者在可微先验、线性损失、渐近正态抽样分布及线性抽样成本设定下，对多阶段抽样决策程序的平均遗憾进行最小化。
- 材料陈述的贡献
- 摘要称推导样本量、接受拒绝准则及最小遗憾的渐近表达式，推广一阶段和两阶段结果，并衔接序贯抽样。
- 阅读关注点
- 应核对渐近分析所取的极限、阶段间决策规则、损失与成本参数，以及有限阶段结果如何与序贯抽样相联系。
- 阅读边界
- 仅据Crossref摘要；渐近极限与具体表达式未说明，不能判断有限样本最优性，也不能推断题名所示系列其他部分的结果。
原文摘要
Summary The model is based on a differentiable prior distribution, a linear loss function, an asymptotically normal sampling distribution and sampling costs proportional to the sample size. Asymptotic expressions are derived for sample sizes, acceptance and rejection criteria and the minimum regret by minimizing the average regret for a k-stage sampling and decision procedure. The results generalize previously known results for k = 1 and 2 and bridge the gap to sequential sampling.