Bayesian Approach to Single Variable Sampling Plans
计量型一次抽样方案的贝叶斯方法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：摘要研究贝叶斯抽样决策与损失优化，未直接对应所列计量领域细分。
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
计量型一次抽样方案的贝叶斯方法
- 研究问题
- 在具有多项式损失函数的计量型抽样问题中，如何分别针对单侧和双侧决策规则确定最优的一次抽样方案？
- 方法与思路
- 作者建立多项式损失下的抽样方案模型，采用贝叶斯方法提出有限算法，并为对称双侧决策情形给出近似求解方法。
- 材料陈述的贡献
- 摘要称提供了确定最优一次抽样方案的简单有限算法，以及适用于对称双侧决策函数的近似方法。
- 阅读关注点
- 应核对先验分布、损失函数及观测模型，明确最优性所针对的决策空间，并检查有限算法步骤与双侧近似方法的误差。
- 阅读边界
- 材料为稿件版本未注明的 OpenAlex 索引摘要。摘要未说明先验、分布假设、算法复杂度或近似误差，不能判断实际抽样成本与效果。
原文摘要
In this paper, we develop a model of sampling plans for variables with a polynomial loss function, in which the decision function is either one-sided or two-sided. Based on a Bayesian approach, we suggest a simple finite algorithm for the determination of the optimal single sampling plan. Furthermore, for the case of a symmetric two-sided decision function, we propose an approximate method for determining its optimal single sampling plan.