An Adaptive Solution to Ranking and Selection Problems
排序与选择问题的一种自适应解法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：摘要研究一般统计排序、选择与序贯抽样，未提供所列经济计量细分领域的直接依据。
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
排序与选择问题的一种自适应解法
- 研究问题
- 排序与选择能否采用自适应停止抽样规则，在估计的正确选择概率首次超过给定门槛时停止，并获得可靠的渐近性质？
- 方法与思路
- 作者以估计的正确选择概率决定停止时点，用主序理论研究有序参数估计量的分布，并结合渐近分析与蒙特卡洛实验。
- 材料陈述的贡献
- 摘要称，文章证明正确选择概率门槛趋近一时的渐近性质，模拟显示中等门槛下表现良好，并分析停止变量的估计依赖。
- 阅读关注点
- 应核对正确选择概率如何估计、停止时点是否有限、渐近性质具体指什么，以及主序分析如何处理参数排序与停止规则。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；估计概率跨过门槛不等于实际概率已有保证，摘要未说明有限样本校准。
原文摘要
An adaptive approach is considered as an alternative to the classical indifference-zone formulation of the problems of ranking and selection. With a fixed $\gamma^\ast$, the proposed procedure calls for the termination of sampling when the estimated probability of correct selection exceeds $\gamma^\ast$ for the first time. Asymptotic properties of this procedure are proved as $\gamma^\ast \rightarrow 1$, and Monte Carlo results show that the procedure is well behaved even for moderate $\gamma^\ast$. Since the stopping variables depend on the estimators of the ordered parameters, distributions of the estimators as functions of the parameters are carefully studied via majorization.