Screening in a Normal Model
正态模型中的筛选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：摘要讨论一般统计筛选和预测阈值，没有所列经济计量细分的直接证据。
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
正态模型中的筛选
- 研究问题
- 当目标指标难以测量时，如何依据易测且相关的指标筛选个体，使未来被保留个体达到目标规格的概率令人满意？
- 方法与思路
- 作者采用预测方法确定筛选指标的临界值，并引入简单损失结构作为另一选择标准，在二元正态模型中展示方法。
- 材料陈述的贡献
- 摘要提出以未来个体成功概率决定筛选阈值的思路，同时提供基于损失的替代准则，区别于常见的容忍区域方法。
- 阅读关注点
- 应核对未来个体成功概率的定义、参数未知时的处理方式，以及概率标准与损失标准分别如何确定筛选临界值。
- 阅读边界
- 仅据Crossref所给摘要；摘要未说明参数估计、损失取值及非正态情形，不能判断筛选阈值在其他模型中的有效性。
原文摘要
SUMMARY An individual is deemed ‘successful’ if the value of a certain measurement of interest Y lies in some given specification region. In situations in which Y is difficult to measure, the individuals may be screened using a correlated variable X which is easier to measure. The motivation behind screening is to try to increase the proportion of 'successes' by eliminating those individuals who are unlikely to be successful. Most approaches, except for very large sample situations, have incorporated the involved notions of tolerance regions. We present here a predictive approach to find the critical values of X for which the success probability for a retained future individual reaches a satisfactory level. A simple loss structure is also introduced to provide an alternative criterion for finding the critical values of the screening variable X. The methods are exemplified within the context of a bivariate normal model.