Asymptotic Efficiency of One R -Factor Experiment Relative to R One-Factor Experiments for Selecting the Best Normal Population
选择最佳正态总体时多因素实验相对多个单因素实验的渐近效率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：摘要研究正态总体排序与实验配置，未明确涉及所列经济计量应用方向。
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
选择最佳正态总体时多因素实验相对多个单因素实验的渐近效率
- 研究问题
- 在共同已知方差且无交互作用的正态总体分类问题中，选择各因素最佳水平时，多因素实验相对单因素实验效率如何？
- 方法与思路
- 作者比较两种单阶段均值排序程序，研究一次多因素实验与多个单因素实验在选择各因素最佳水平时的渐近效率。
- 材料陈述的贡献
- 摘要称，文章确定所述选择问题中的相对渐近效率，并提及相关应用；效率数值和可读的极限条件未提供。
- 阅读关注点
- 应核对最佳水平与正确选择概率的定义、无交互作用和已知方差假设，尤其查验原 PDF 中的渐近极限符号。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；渐近极限文字疑有提取错误，需查原 PDF，不据此推导效率结论。
原文摘要
In this article, we consider two single-stage procedures for ranking means of normal populations with a common known variance, for problems involving an r-way (r≧2) classification without interaction. For the problem of selecting the best level of each of the r factors, the asymptotic (p*→7) efficiency of one r-factor experiment relative to r one-factor experiments is determined. Applications to some related problems are noted.