Sequential Estimation of the Size of a Population
有限总体规模的序贯估计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：摘要讨论一般有限总体抽样与贝叶斯序贯决策，未对应所列具体计量方向。
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
有限总体规模的序贯估计
- 研究问题
- 使用序贯抽样估计有限总体规模时，如何在贝叶斯框架下决定继续抽样还是停止，并比较相应的最优停止边界？
- 方法与思路
- 作者将总体规模估计置于贝叶斯决策框架，用截断动态规划求近似数值解，并把所得最优停止边界与 Samuel 讨论的边界比较。
- 材料陈述的贡献
- 摘要称给出该序贯估计问题的近似数值解及停止边界比较，未说明比较结果，也未提供新边界普遍优于既有边界的结论。
- 阅读关注点
- 应核对抽样机制、总体规模先验、估计损失和抽样成本，以及动态规划截断误差、边界最优性的定义和比较采用的设定。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；先验、损失、截断精度及边界结果未提供，无法判断停止规则的实际适用性。
原文摘要
The problem of estimating the size of a finite population using sequential sampling is placed in a Bayesian framework, and an approximate numerical solution is obtained by the technique of truncated dynamic programming. The optimal stopping boundaries are compared with those discussed by Samuel.