Asymptotic Representations for Sequential Decisions, Adaptive Experiments, and Batched Bandits
序贯决策、自适应实验与批次赌博机的渐近表示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：摘要明确涵盖自适应随机对照试验及处理规则比较，直接关联实验设计与因果研究。
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
序贯决策、自适应实验与批次赌博机的渐近表示
- 研究问题
- 在前一批次决策会影响后续变量观测的自适应设计中，如何刻画设计规则与统计量共同决定的可达极限分布？
- 方法与思路
- 作者为序贯估计、自适应随机试验及批次决策建立渐近表示，联合考虑设计规则和针对自适应数据构造的统计量。
- 材料陈述的贡献
- 摘要称，该表示刻画所研究设置下全部可达极限分布，可支持检验局部功效分析、自适应处理规则比较等研究。
- 阅读关注点
- 应核对批次数与样本规模的渐近安排、可达分布的适用条件，以及表示如何用于局部功效和处理规则比较。
- 阅读边界
- 这是 arXiv 预印本，不能据此认定同行评审或期刊接收；摘要未列出渐近条件，也不能据此评价有限样本推断表现。
原文摘要
We develop asymptotic approximations that can be applied to sequential estimation and inference problems, adaptive randomized controlled trials, and related settings. In batched adaptive settings where the decision at one stage can affect the observation of variables in later stages, our asymptotic representation characterizes all limit distributions attainable through a joint choice of an adaptive design rule and statistics applied to the adaptively generated data. This facilitates local power analysis of tests, comparison of adaptive treatments rules, and other analyses of batchwise sequential statistical decision rules.