Empirical Bayes Estimation in Sampling Inspection
抽样检验中的经验贝叶斯估计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：摘要研究抽样检验与超几何模型的经验贝叶斯估计，没有直接对应所列计量领域细分的文本证据。
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
抽样检验中的经验贝叶斯估计
- 研究问题
- 在超几何抽样模型中，如何在不知道次品数量先验分布的情况下进行经验贝叶斯估计，并用实际编码可靠性数据说明？
- 方法与思路
- 作者应用一个经验贝叶斯恒等式估计次品数量，以家庭调查回答的编码可靠性数据展示未知先验时的计算方式。
- 材料陈述的贡献
- 摘要称，该恒等式可提供简便的经验贝叶斯估计，并通过实例说明不事先知道次品数量先验分布也能进行计算。
- 阅读关注点
- 应核对超几何模型中的目标数量、经验信息来自哪些样本，以及恒等式、估计步骤和编码数据之间的对应关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；经验信息结构、风险性质和数值结果未说明，不能推断该方法在任意先验下均表现更好。
原文摘要
This paper considers an empirical Bayes approach to estimating the number of defectives in a hypergeometric distribution. It involves application of an empirical Bayes identity which has proved useful in providing simple Bayes estimates for various other models. Data on the reliability of coding the answers to questions from a household survey illustrate how an empirical Bayes estimate can be computed without knowledge of the prior distribution of the number of defectives.