Group testing with a new goal, estimation
以概率估计为目标的群组检测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：摘要研究批量检测设计与缺陷概率估计，未涉及离散选择行为、因果效应或其他所列经济金融方向，故不指定领域细分。
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
以概率估计为目标的群组检测
- 研究问题
- 当批量检测只能判断一组单位是否含有缺陷品时，如何高效估计单个单位的缺陷概率，并降低获得统计信息所需的检测成本？
- 方法与思路
- 作者研究一类嵌套二分检测程序，以大量检测下每单位信息的渐近成本为效率标准，并用表格描述操作及与最优程序的接近程度。
- 材料陈述的贡献
- 摘要称该类程序在概率估计中高度有效，相比逐个检测的节省比既有分类任务更大，并给出部分输入参数下的程序和效率表。
- 阅读关注点
- 核对缺陷概率模型、单位之间的依赖假设、检测成本与信息量定义，以及二分程序的实施规则和最优性比较所覆盖的参数。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；本文摘要明确只讨论大样本性质，未提供有限样本保证或检测误差下的表现。
原文摘要
The ideas of group testing, i.e. of testing units in batches instead of individually, where each test only indicates whether the tested baton contains only good units or whether it contains at least one defective, is applied to the problem of estimating the probability p of an arbitrary unit being defective. A certain class of nested halving procedures is shown to be highly efficient and the saving over the one-at-a-time procedures is even greater for the estimation problem than for the previously treated group-testing problems of classifying all the units in a given finite set. The main criterion used for evaluating efficiency in this paper is the asymptotic cost per unit information when a large number of tests are carried out. This paper deals only with the large-sample aspects of the problem. Tables are given that explicitly describe how to carry out the procedure and other tables indicate how close the results are to those of optimal procedures for certain input parameters.