A Bayesian Nonparametric Sequential Test for the Mean of a Population
总体均值的贝叶斯非参数序贯检验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：摘要研究一般总体均值的贝叶斯序贯决策与最优停止，未涉及经济离散选择模型或所列其他领域细分。
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
总体均值的贝叶斯非参数序贯检验
- 研究问题
- 对均值未知的总体序贯取样时，如何权衡采样成本与停止后的决策收益，判断均值高于还是低于给定常数？
- 方法与思路
- 作者在 Dirichlet 过程设定下研究最大化期望净收益的最优停止问题，并分析参数测度支撑有界时的截断。
- 材料陈述的贡献
- 摘要称有界支撑使停止问题截断，主定理给出截断阶段的界，并说明广义中性边界上采样持续时间最长。
- 阅读关注点
- 阅读全文时应核对 Dirichlet 过程的先验解释、采样成本设定、中性边界定义，以及截断界如何用于计算。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体成本和边界形式未说明，有界支撑结论不能直接推广到无界总体。
原文摘要
We may take observations sequentially from a population with unknown mean $\theta$. After this sampling stage, we are to decide whether $\theta$ is greater or less than a known constant $\nu$. The net worth upon stopping is either $\theta$ or $\nu$, respectively, minus sampling costs. The objective is to maximize the expected net worth when the probability measure of the observations is a Dirichlet process with parameter $\alpha$. The stopping problem is shown to be truncated when $\alpha$ has bounded support. The main theorem of the paper leads to bounds on the exact stage of truncation and shows that sampling continues longest on a generalized form of neutral boundary.