Extended-Paulson Sequential Selection
扩展 Paulson 序贯选择方法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：摘要核心是正态总体的序贯选择与多重比较，未明确涉及因果识别或所列应用领域。
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
扩展 Paulson 序贯选择方法
- 研究问题
- 在多个方差相等且已知的正态总体中，如何序贯选择一个总体，同时加强置信陈述并控制渐近样本量需求？
- 方法与思路
- 作者利用与最佳处理进行多重比较的原则，构造适用于多个正态总体、共同方差已知情形的序贯选择程序。
- 材料陈述的贡献
- 摘要称程序比传统无差异区方法提供更强置信陈述而不渐近增加样本量，并优于已有同类强陈述程序的样本量表现。
- 阅读关注点
- 应核对更强置信陈述的事件定义、序贯停止规则、无差异区设定，以及样本量比较所采用的渐近框架。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；未给出置信保证和样本量公式，不能将渐近比较推广为所有有限样本情形的优势。
原文摘要
Principles of multiple comparisons with the best treatment are used to construct a sequential procedure for selecting one of $k$ normal populations with equal, known variance. The procedure makes a stronger confidence than traditional Indifference Zone procedures, without (asymptotically) inflating sample sizes. It is shown to be substantially superior in asymptotic sample size behavior to existing procedures making the stronger statement.