Optimal Experimental Design for Another's Analysis
面向他人分析的最优实验设计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：摘要关注先验分歧下的通用贝叶斯实验设计，未明确讨论因果识别或所列其他细分方法。
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
面向他人分析的最优实验设计
- 研究问题
- 实验设计者与数据分析者具有相同损失目标但先验信念不同时，最优样本量与样本配置如何受双方先验差异影响？
- 方法与思路
- 作者在正态似然和每次观测固定成本下研究样本量选择与固定总量配置，分别考虑平方误差损失和对数效用。
- 材料陈述的贡献
- 摘要称，给出单先验与双先验设计的相关结果，分析二者差异，并讨论反复出现的非对称差异度量的作用。
- 阅读关注点
- 应核对双方先验如何进入设计准则、成本与配置约束，以及不同损失设定下非对称差异度量的解释和适用范围。
- 阅读边界
- 摘要未说明最优设计公式或推广条件；共同损失目标不等于共同先验，也不能外推至任意实验。索引摘要版本未注明。
原文摘要
We consider the optimal design of experiments in which estimation and design are performed by different parties. The parties are assumed to share similar goals, as reflected by a common loss function, but they may have different prior beliefs. After presenting a few motivating examples, we examine the problem of optimal sample size selection under a normal likelihood with constant cost per observation. We also consider the problem of optimal allocation for given overall sample sizes. We present results under both squared-error loss and a logarithmic utility, paying attention to the differences between one- and two-prior optimal designs. An asymmetric discrepancy measure features repeatedly in our development, and we question the extent of its role in optimal two-prior design.