Statistical Inference of Optimal Allocations I: Regularities and their Implications
最优配置的统计推断之一：正则性及其含义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：摘要聚焦一般最优配置、函数可微性与分类推断，未明确对应所列经济学应用或因果识别方向。
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…
关注这篇论文的作者
最优配置的统计推断之一：正则性及其含义
- 研究问题
- 统计最优配置问题的价值函数在何种条件下可微？这些正则性如何支持受约束二元配置、ROC 曲线及价值函数的渐近推断？
- 方法与思路
- 作者借助几何测度论分析排序算子，建立价值函数的 Hadamard 可微性，再应用函数型 delta 方法，并提出双重／去偏价值函数估计量。
- 材料陈述的贡献
- 摘要称，可微性结果支持价值函数过程与 ROC 估计的渐近分析，并联系策略方向的一阶导数退化及分类文献中支持快速收敛的间隔假设。
- 阅读关注点
- 应核对函数空间与可微性条件、排序边界的处理、一阶导数退化的确切含义，以及去偏估计与间隔假设之间的理论联系。
- 阅读边界
- 所给来源为 arXiv 预印本，同行评审或期刊接收未获核实；摘要未给出完整正则条件、证明或具体应用，不能据此判断一般配置问题的适用性。
原文摘要
In this paper, we develop a functional differentiability approach for solving statistical optimal allocation problems. We derive Hadamard differentiability of the value functions through analyzing the properties of the sorting operator using tools from geometric measure theory. Building on our Hadamard differentiability results, we apply the functional delta method to obtain the asymptotic properties of the value function process for the binary constrained optimal allocation problem and the plug-in ROC curve estimator. Moreover, the convexity of the optimal allocation value functions facilitates demonstrating the degeneracy of first order derivatives with respect to the policy. We then present a double / debiased estimator for the value functions. Importantly, the conditions that validate Hadamard differentiability justify the margin assumption from the statistical classification literature for the fast convergence rate of plug-in methods.