Asymptotic Properties of Bayesian Single Sampling Plans
贝叶斯单次抽样方案的渐近性质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：摘要涉及一般贝叶斯抽样决策与渐近分析，未提供归入所列经济计量细分方向的证据。
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
贝叶斯单次抽样方案的渐近性质
- 研究问题
- 在可微先验、一般损失和随样本量变化的抽样成本下，如何推导贝叶斯单次抽样方案的渐近表达并评价非最优方案效率？
- 方法与思路
- 作者以 Edgeworth 展开表示操作特性，并将抽样成本写成样本量的多项式，在可微先验和一般损失设定下进行渐近分析。
- 材料陈述的贡献
- 摘要称，导出贝叶斯单次抽样方案的渐近表达，说明已有结果如何成为特例，并讨论非最优抽样方案的效率。
- 阅读关注点
- 应核对先验与损失的正则条件、操作特性展开的有效范围，以及成本多项式如何影响方案和非最优效率的定义。
- 阅读边界
- 仅据所给 Crossref 摘要。摘要未提供展开阶数、余项控制、最优方案公式或效率数值，不能据此判断具体抽样规模下的表现。
原文摘要
Summary The model to be considered is based on a differentiable prior distribution, a general loss function, an operating characteristic written as an Edgeworth expansion, and sampling costs expressible as a polynomial in the sample size. Asymptotic expressions for the Bayesian single-sampling plan are derived and it is shown how previously known results may be found as special cases of the present one. The efficiency of non-optimum plans is discussed.