Bayesian sequential estimation of a Poisson process rate
泊松过程发生率的贝叶斯序贯估计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：摘要研究一般泊松过程的贝叶斯序贯设计，未涉及宏观时间序列或金融高频数据，不能仅凭连续时间过程进行归类。
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
泊松过程发生率的贝叶斯序贯估计
- 研究问题
- 在观察事件和等待时间均有成本的情况下，如何进行泊松过程发生率的贝叶斯序贯估计，并针对不同损失函数选择最优设计？
- 方法与思路
- 作者将每个观测事件的成本与单位时间成本同时纳入抽样问题，对不同损失函数给出数值和解析求解，并讨论方法的适用范围。
- 材料陈述的贡献
- 摘要称，论文提供泊松发生率估计的解析与数值方案，获得多种损失函数下的最优设计，并称分析方法可用于其他损失函数。
- 阅读关注点
- 应核对先验设定、损失与抽样成本的组合方式、序贯停止或设计规则，以及解析解和数值解各自覆盖哪些损失函数。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 摘要；先验、停止规则和最优性条件未说明，不能将方法适用范围理解为所有情形均有解析解。
原文摘要
This paper provides numerical and analytical solutions to the problem of estimating the rate of a Poisson process. Optimal designs are obtained for various loss functions and the method of analysis is valid for any other loss function. The cost of sampling plays a fundamental role and since there are many practical situations where there is a time cost and an event cost, a sampling cost per observed event and a cost per unit time are both included.