A Bayesian Approach to a Problem in Sequential Estimation
一个序贯估计问题的贝叶斯方法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：摘要研究通用序贯决策与均值估计，连续时间表述本身不构成经济时间序列分类依据。
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
一个序贯估计问题的贝叶斯方法
- 研究问题
- 研究正态分布方差未知时的均值序贯估计，关注如何刻画继续采样的最优区域，以及相应价值函数和决策边界。
- 方法与思路
- 作者研究离散时间问题的连续时间类比，针对一类损失函数分析价值函数与最优继续区域，并推导相关渐近展开。
- 材料陈述的贡献
- 摘要称给出该损失函数类下价值函数和最优继续区域的性质，并获得价值函数及最优边界函数的渐近展开。
- 阅读关注点
- 阅读全文时应核对先验与损失函数类别、连续时间问题的定义、展开所用极限，以及结果如何对应原离散时间问题。
- 阅读边界
- 摘要未说明先验、损失函数和展开条件，不能直接据此构造离散采样规则。来源为版本未注明的 OpenAlex 索引摘要。
原文摘要
This paper considers the problem of sequentially estimating the mean of a normal distribution when the variance is unknown. A continuous time analogue of the discrete time problem is studied. For $L$ in a class of loss functions, properties of the value function and optimal continuation region of $L$ are presented. Asymptotic expansions are found for the value function and the optimal boundary function of the loss function $L$.