众多物品的泊松库存模型：经验贝叶斯方法
统计方法学
2025-08-06 v1 应用统计
摘要
我们考虑众多物品的库存决策问题，其中每个物品的需求服从泊松分布。单个物品需求率基于对过去需求观测结果的估计。问题在于确定要持有的物品以及每个物品的数量。我们的设置为经验贝叶斯方法的应用提供了自然的框架。我们展示了如何在实践中应用该方法，并演示了仅仅估计泊松率而不对不同需求水平进行后验估计的重要性。我们也解答了是否应单独分析一些被某种方式区分的物品小组的问题。一个例子发生在图书零售商处，他们可能发现单独查看某些类型图书（例如传记类）具有优势。经验贝叶斯方法在处理泊松需求物品时是有价值的，即使在物品数量相对较少的情况下（例如 100 个）也能有效。我们讨论了在此背景下如何应用经验贝叶斯方法的最佳方式，并指出以错误方式应用该方法会削弱或消除潜在收益。
引用
@article{arxiv.2508.03074,
title = {Poisson Inventory Models with Many Items: An Empirical Bayes Approach},
author = {Edward Anderson and Nam Ho-Nguyen and Peter Radchenko},
journal= {arXiv preprint arXiv:2508.03074},
year = {2025}
}