Statistical inference of optimal allocations I: Regularities and their implications
最优分配的统计推断之一：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。
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：摘要核心是最优分配与 ROC 的通用泛函理论，未明确处理效应识别或给定领域的分布效应。
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
最优分配的统计推断之一：正则性及其含义
- 研究问题
- 如何建立统计最优分配价值函数及其过程的可微性与渐近推断，并解释插件方法的快速收敛和政策方向的一阶退化？
- 方法与思路
- 作者利用几何测度理论分析排序算子，推导价值函数的 Hadamard 可微性，再用泛函 delta 方法研究分配价值和插件 ROC 曲线。
- 材料陈述的贡献
- 摘要称，研究建立价值函数过程的渐近性质，解释政策方向的一阶导数退化，提出双重／去偏估计，并联系分类中的间隔假设。
- 阅读关注点
- 应核对可微性所用空间和分配约束、排序边界的正则条件，以及一阶退化如何支持去偏估计和间隔假设下的收敛结论。
- 阅读边界
- 仅据所给出版社摘要，可微性条件、去偏公式与具体收敛速率未说明；二元分配问题也不能直接认定为已具因果识别的政策评价。
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.