A Restricted Subset Selection Approach to Ranking and Selection Problems
排序与选择问题中的受限子集选择方法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：摘要属于通用统计排序与子集选择，未提供归入所列经济金融细分方向的依据。
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…
关注这篇论文的作者
排序与选择问题中的受限子集选择方法
- 研究问题
- 在候选总体数受限制、目标是选中参数最大总体时，如何选择数量可变的子集，并评估正确选择概率与额外入选数？
- 方法与思路
- 作者基于各总体参数的一致估计序列定义选择规则，结合子集选择与无差异区设置，分析有限样本及渐近性质。
- 材料陈述的贡献
- 摘要称正确选择概率的下确界位于偏好区内参数尽可能接近的点，并给出计算条件及入选数量相关性质。
- 阅读关注点
- 应核对偏好区、无差异区和数量上限的定义，下确界结论的条件，以及固定样本和渐近分析分别覆盖哪些性质。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出选择阈值、参数空间限制或保证条件，不能据此实施具体选择。
原文摘要
Let $\pi_1,\cdots, \pi_k$ be $k$ populations with $\pi_i$ characterized by a scalar $\lambda_i \in \Lambda$, a specified interval on the real line. The object of the problem is to make some inference about $\pi_{(k)}$, the population with largest $\lambda_i$. The present work studies rules which select a random number of populations between one and $m$ where the upper bound, $m$, is imposed by inherent setup restrictions of the subset selection and indifference zone approaches. A selection procedure is defined in terms of a set of consistent sequences of estimators for the $\lambda_i$'s. It is proved the infimum of the probability of a correct selection occurs at a point in the preference zone for which the parameters are as close together as possible. Conditions are given which allow evaluation of this last infimum. The number of non-best populations selected, the total number of populations selected, and their expectations are studied both asymptotically and for fixed $n$. Other desirable properties of the rule are also studied.