Marginal Comparisons With the Best and the Efficiency Measurement Problem
与最优总体的边际比较及效率测度问题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：摘要仅涉及多个总体参数差的边际概率界，未给出足以对应所列细分领域的模型或应用信息。
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
与最优总体的边际比较及效率测度问题
- 研究问题
- 在以未知标量参数排序的多个总体中，如何为某个总体与最优总体的参数差构造具有给定覆盖概率的上下界？
- 方法与思路
- 作者将既有“与最优者多重比较”的联合界，改为针对单个给定总体的边际上下界；摘要未说明具体构造公式。
- 材料陈述的贡献
- 摘要称构造了最优总体与单个总体参数差的边际上下界，为已有覆盖全部差异的联合比较提供另一种推断方式。
- 阅读关注点
- 阅读全文时应核对边际界的构造、概率保证所需条件，以及最优总体未知或由样本选出时如何处理选择问题。
- 阅读边界
- 摘要未说明抽样模型、估计方法、有限样本或渐近保证，也未给出效率测度应用细节，不能据此判断区间优劣。
原文摘要
Consider a set of N populations ranked by an unknown scalar parameter, where a larger parameter value is better. An existing procedure, multiple comparisons with the best, constructs a set of upper and lower bounds for the N – 1 differences between the parameter value of the best population and the other populations, where these bounds hold jointly with a given probability. This article constructs the corresponding upper and lower bounds that hold marginally (for a single given population) rather than jointly, with a given probability.