Bayesian approach to single variable sampling plans
计量型一次抽样方案的贝叶斯方法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：摘要研究贝叶斯抽样决策和损失最优化，未明确涉及所列微观、宏观或金融细分领域。
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
计量型一次抽样方案的贝叶斯方法
- 研究问题
- 在多项式损失与单侧或双侧决策规则下，如何确定最优的计量型一次抽样方案，并简化对称双侧情形的计算？
- 方法与思路
- 作者建立带多项式损失的抽样方案模型，使用贝叶斯方法设计求解最优方案的有限算法，并针对对称双侧规则提出近似法。
- 材料陈述的贡献
- 摘要称，论文提供确定最优一次抽样方案的简单有限算法，并为对称双侧决策函数下的最优方案提供近似计算方法。
- 阅读关注点
- 应核对抽样方案的决策变量、先验与损失如何设定、有限算法的终止和最优性依据，以及近似方法的误差范围。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；先验、算法步骤及近似误差未说明，不能评价计算成本或实际优势，刊本变化未知。
原文摘要
In this paper, we develop a model of sampling plans for variables with a polynomial loss function, in which the decision function is either one-sided or two-sided. Based on a Bayesian approach, we suggest a simple finite algorithm for the determination of the optimal single sampling plan. Furthermore, for the case of a symmetric two-sided decision function, we propose an approximate method for determining its optimal single sampling plan.