Efficient randomized-adaptive designs
高效随机化自适应设计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：摘要研究随机试验的响应自适应分配，未明确分析因果效应识别或所列其他领域。
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
高效随机化自适应设计
- 研究问题
- 在根据已观测响应调整分配概率的随机试验中，如何构造简单程序，使各种目标分配比例下的分配方差达到相应渐近效率界？
- 方法与思路
- 作者提出分配概率函数不连续的响应自适应随机化程序，并利用随机过程停时分析建立渐近结果，以替代依赖可微性的 Taylor 展开。
- 材料陈述的贡献
- 摘要称该程序族能在包括最优目标比例的各种分配比例下达到分配方差的 Cramér–Rao 下界，并以例子、模拟及既有设计比较展示方法。
- 阅读关注点
- 应核对目标分配比例的确定方式、响应模型与效率界条件，以及不连续分配规则的实现，并查看随机化程度和小样本分配表现。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；响应模型、正则条件和模拟数值未说明，分配方差效率不能直接解释为治疗效应估计最优。
原文摘要
Response-adaptive randomization has recently attracted a lot of attention in the literature. In this paper, we propose a new and simple family of response-adaptive randomization procedures that attain the Cramer–Rao lower bounds on the allocation variances for any allocation proportions, including optimal allocation proportions. The allocation probability functions of proposed procedures are discontinuous. The existing large sample theory for adaptive designs relies on Taylor expansions of the allocation probability functions, which do not apply to nondifferentiable cases. In the present paper, we study stopping times of stochastic processes to establish the asymptotic efficiency results. Furthermore, we demonstrate our proposal through examples, simulations and a discussion on the relationship with earlier works, including Efron’s biased coin design.