Minimax optimal sequential hypothesis tests for Markov processes
马尔可夫过程的极小极大最优序贯假设检验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：摘要研究一般马尔可夫序贯检验，未提供与所列经济计量细分方向直接对应的证据。
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…
马尔可夫过程的极小极大最优序贯假设检验
- 研究问题
- 在马尔可夫过程的多重假设检验中，分布存在不确定性时，怎样构造序贯检验并给出严格极小极大最优的充分条件？
- 方法与思路
- 作者先联系简单假设下成本函数的偏导数与检验表现，再隐式刻画给定检验策略的最不利分布，结合两者研究最优性。
- 材料陈述的贡献
- 摘要称给出了分布不确定性下最优性的充分条件，并将最优成本解释为广义 f 差异度，用数值例子展示理论结果。
- 阅读关注点
- 应核对马尔可夫假设、不确定性集合和成本定义，以及最不利分布的存在条件、隐式刻画与最优性充分条件的关系。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；具体假设、证明和数值表现未说明，不能推断充分条件也是必要条件或刊本变化。
原文摘要
Under mild Markov assumptions, sufficient conditions for strict minimax optimality of sequential tests for multiple hypotheses under distributional uncertainty are derived. First, the design of optimal sequential tests for simple hypotheses is revisited, and it is shown that the partial derivatives of the corresponding cost function are closely related to the performance metrics of the underlying sequential test. Second, an implicit characterization of the least favorable distributions for a given testing policy is stated. By combining the results on optimal sequential tests and least favorable distributions, sufficient conditions for a sequential test to be minimax optimal under general distributional uncertainties are obtained. The cost function of the minimax optimal test is further identified as a generalized $f$-dissimilarity and the least favorable distributions as those that are most similar with respect to this dissimilarity. Numerical examples for minimax optimal sequential tests under different uncertainties illustrate the theoretical results.