Empirical Bayes estimation in sampling inspection
抽样检验中的经验贝叶斯估计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：摘要涉及抽样质量检验及调查编码可靠性，没有所列计量领域细分的直接方法或应用依据。
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
抽样检验中的经验贝叶斯估计
- 研究问题
- 研究如何在超几何分布的抽样检验中估计不合格品数量，并在该数量的先验分布未知时构造可计算的经验贝叶斯估计。
- 方法与思路
- 作者应用一个经验贝叶斯恒等式获得估计，并以家庭调查回答编码的可靠性数据说明未知先验分布时的计算方式。
- 材料陈述的贡献
- 摘要展示经验贝叶斯方法在超几何模型中的应用，并说明可在不知道不合格品数量先验分布的情况下计算相关估计。
- 阅读关注点
- 应核对经验贝叶斯恒等式、可用数据结构、先验未知时的估计步骤，以及抽样规模和编码可靠性例子中的目标定义。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明。摘要未说明估计所需的数据重复结构、误差性质或比较结果，不能断言全面优于其他估计。
原文摘要
This paper considers an empirical Bayes approach to estimating the number of defectives in a hypergeometric distribution. It involves application of an empirical Bayes identity which has proved useful in providing simple Bayes estimates for various other models. Data on the reliability of coding the answers to questions from a household survey illustrate how an empirical Bayes estimate can be computed without knowledge of the prior distribution of the number of defectives.