A Bayesian Decision Theoretic Model of Sequential Experimentation with Delayed Response
响应延迟下序贯实验的贝叶斯决策模型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：文本研究实验设计与贝叶斯决策，未明确涉及因果效应识别或其他指定细分方向。
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…
响应延迟下序贯实验的贝叶斯决策模型
- 研究问题
- 主要实值终点存在观测延迟时，如何选择不实验、固定样本量实验或序贯实验，并制定权衡采用收益与抽样成本的停止政策？
- 方法与思路
- 作者建立完全序贯实验的贝叶斯决策模型，以技术采用的期望收益减去抽样成本为目标，求解策略区域与序贯抽样停止边界。
- 材料陈述的贡献
- 摘要称得到随先验平均收益和延迟大小变化的统一实验政策，并利用已发表临床试验数据展示医学统计应用。
- 阅读关注点
- 应核对延迟机制、先验与收益成本函数、优化求解方式，以及三类策略区域和停止边界对模型设定变化的敏感性。
- 阅读边界
- 仅依据所给 Crossref 摘要；最优性依赖的模型条件、计算方法和应用结果未说明，不能直接用作特定试验的样本量或停止建议。
原文摘要
Summary We propose a Bayesian decision theoretic model of a fully sequential experiment in which the real-valued primary end point is observed with delay. The goal is to identify the sequential experiment which maximizes the expected benefits of technology adoption decisions, minus sampling costs. The solution yields a unified policy defining the optimal ‘do not experiment’–‘fixed sample size experiment’–‘sequential experiment’ regions and optimal stopping boundaries for sequential sampling, as a function of the prior mean benefit and the size of the delay. We apply the model to the field of medical statistics, using data from published clinical trials.