Valid Post-Contextual Bandit Inference
情境多臂老虎机实验后的有效统计推断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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要明确面向自适应随机化实验中的两臂比较与推断，并分析逆概率加权检验，因此归入因果推断相关的实验推断方向。
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…
情境多臂老虎机实验后的有效统计推断
- 研究问题
- 在随机情境多臂老虎机模型下，如何对自适应随机化实验收集的数据进行有效统计推断，并理解采样规则对两臂比较检验的影响？
- 方法与思路
- 作者推导 Hájek–Le Cam 意义下的极限实验，用 Girsanov 定理得到随机微分方程表示，再结合弱收敛结果分析检验统计量。
- 材料陈述的贡献
- 摘要称，经典 t 检验及逆概率加权检验可有非高斯极限，两臂比较的有效性需要精确定义的平移不变性，并提出相应采样规则。
- 阅读关注点
- 应核对平移不变性的精确定义、非标准极限分布如何用于检验校准，以及修改后的 Thompson 等采样规则与模拟验证的范围。
- 阅读边界
- 这是 arXiv 预印本，同行评审与期刊接收均未核实；摘要未说明渐近条件、检验实施细节或模拟数值，不能推断一般采样规则都有效。
原文摘要
We establish an asymptotic framework for the statistical analysis of the stochastic contextual multi-armed bandit problem (CMAB), which is widely employed in adaptively randomized experiments across various fields. While algorithms for maximizing rewards or, equivalently, minimizing regret have received considerable attention, our focus centers on statistical inference with adaptively collected data under the CMAB model. To this end we derive the limit experiment (in the Hajek-Le Cam sense). This limit experiment is highly nonstandard and, applying Girsanov's theorem, we obtain a structural representation in terms of stochastic differential equations. This structural representation, and a general weak convergence result we develop, allow us to obtain the asymptotic distribution of statistics for the CMAB problem. In particular, we obtain the asymptotic distributions for the classical t-test (non-Gaussian), Adaptively Weighted tests, and Inverse Propensity Weighted tests (non-Gaussian). We show that, when comparing both arms, validity of these tests requires the sampling scheme to be translation invariant in a way we make precise. We propose translation-invariant versions of Thompson, tempered greedy, and tempered Upper Confidence Bound sampling. Simulation results corroborate our asymptotic analysis.