Locally Optimal Design for Comparing Two Probabilities from Binomial Data Subject to Misclassification
误分类二项数据中两总体概率比较的局部最优设计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：摘要讨论误分类下的实验资源配置，未说明处理分配或因果效应，不足以归入所列细分。
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
误分类二项数据中两总体概率比较的局部最优设计
- 研究问题
- 测量存在已知误分类率且不同观测方案成本不同，如何分配实验资源，以估计两个总体概率之差？
- 方法与思路
- 作者考虑无误差测量、有误差测量及可复核正或负响应的方案，结合观测成本，利用 Elfving 的几何结果推导配置。
- 材料陈述的贡献
- 摘要称导出了估计两总体概率差的渐近局部最优配置，所用几何解法较为简单，并指出其具有推广的便利性。
- 阅读关注点
- 阅读时应核对局部最优性依赖的概率取值、误分类率与成本设定，以及复核方案的限制和配置对参数误设的敏感性。
- 阅读边界
- 所给 OpenAlex 索引摘要未注明稿件版本；误分类率被视为已知，未说明率需估计时的设计，也不能据此声称全局最优。
原文摘要
Optimal experimental designs are found for estimating the difference P1−P2 of two population probabilities, using measuring instruments possibly subject to known error rates. The available experiments considered are to measure, for i = 1 or 2, the outcome of a trial on the population i without error, or with error, or with error with the possibility of checking either positive or negative responses. Given that the cost per observation depends on which experiment is carried out, an asymptotically locally optimal allocation is derived in terms of results of Elfving which provide a simple geometrical solution which is easily generalized.