A Method for Detecting all Defective Members in a Population by Group Testing
通过分组检测识别总体全部缺陷项的方法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：摘要讨论一般分组检测与缺陷识别，未直接涉及所列经济计量细分领域。
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
通过分组检测识别总体全部缺陷项的方法
- 研究问题
- 当总体中的项目只有缺陷与非缺陷两类，且缺陷数量、其上界或概率分布已知时，如何减少识别全部缺陷项所需的检测次数？
- 方法与思路
- 作者提出分组检测方法，分别适用于缺陷项数量或上界已知，以及缺陷项数量概率分布已知的设定，并比较所需检测次数。
- 材料陈述的贡献
- 摘要称所提方法较为简单，在识别全部缺陷项所需的检测次数上与现有方法比较表现有利，但未提供具体节省幅度。
- 阅读关注点
- 阅读时应核对分组与拆分规则、检测结果是否允许误差、数量信息如何进入算法，以及比较采用最坏情形还是平均检测次数。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未给算法细节、检测误差条件或比较数值，不能声称对未知缺陷分布普遍最优。
原文摘要
Suppose a population containing items classified either as defectives or as non-defectives. This article presents a new group testing method to detect all defectives in the population. The proposed method applies either when the actual number of defectives (or an upper bound) is known or when its probability distribution is known. The method is surprisingly simple yet compares favorably with other existing methods by the number of tests required to detect all defectives.