Sequential Estimation Saving Sampling Operations
减少采样操作次数的序贯估计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：摘要属于一般序贯估计与采样效率研究，未提供所列细分方向的直接依据。
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
减少采样操作次数的序贯估计
- 研究问题
- 如何加速既有序贯估计程序，在减少采样操作次数的同时控制预期样本量的增加，并保持程序的实际可用性？
- 方法与思路
- 作者针对 Anscombe、Chow 与 Robbins 的序贯估计程序提出加速方法，概述大样本理论并进行小样本数值计算。
- 材料陈述的贡献
- 摘要称采样操作次数可按任意预定倍数减少，代价是预期样本量仅略增，并用数值计算展示较小样本下的实用性。
- 阅读关注点
- 应区分采样操作次数与总样本量，核对加速规则、预定倍数的实现条件，以及预期样本量增加的理论和数值依据。
- 阅读边界
- 仅据所给 Crossref 摘要；摘要未说明加速规则、增加幅度或精度要求，不能将操作次数减少解释为总样本量减少。
原文摘要
SUMMARY A method is proposed for accelerating the sequential estimation procedure due to Anscombe, Chow and Robbins. It enables the number of sampling operations to be reduced by any predetermined factor, at the expense of only a slight increase in the expected sample size. The large sample theory is outlined, and some numerical computations provided to demonstrate the practicality of the procedure for smaller samples.