A Two-Stage Minimax Procedure for Selecting the Normal Population with the Smallest Variance
选择最小方差正态总体的两阶段极小极大程序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：摘要研究正态总体选择与抽样分配，没有所列计量应用领域的直接依据。
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
选择最小方差正态总体的两阶段极小极大程序
- 研究问题
- 总抽样量固定时，如何分配第一阶段对各正态总体的抽样数量，再把剩余样本投向首阶段观测方差最小的总体？
- 方法与思路
- 作者考虑先从每个总体抽取相同数量个体，再从首阶段方差最小的总体抽取剩余个体，并用极小极大准则确定首阶段规模。
- 材料陈述的贡献
- 摘要提出针对这一两阶段选择规则确定首阶段样本量的极小极大方法，涵盖总体均值已知或未知、方差未知的设定。
- 阅读关注点
- 应核对极小极大准则对应的损失或风险、参数空间、首阶段方差估计方式，以及最优样本量的确定方法和整数限制。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；未说明损失函数、最优样本量表达式或正确选择概率，不能补推具体风险保证。
原文摘要
Given k normal populations with unknown variances and known or unknown means, suppose we wish to select N individuals in two stages as follows: in the first stage, n individuals are selected from each of the k populations; in the second stage, the remaining (N—kn) individuals are selected from the population which gave rise to the smallest variance in the first stage. This article considers a minimax method for determining how large n should be.