Minimax Stopping Rules When the Underlying Distribution is Uniform
未知均匀分布下的极小极大停止规则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：摘要研究序贯选择与极小极大停止规则，期望分位目标并不构成分位数或分布效应研究。
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
未知均匀分布下的极小极大停止规则
- 研究问题
- 从未知均匀分布依次抽样时，如何选择停止规则，以最大化选中最小观测的概率或最小化所选观测的期望分位？
- 方法与思路
- 作者以不变性方法求极小极大停止规则，分别处理两类目标，并讨论这些规则与使用非正常先验的形式贝叶斯规则的关系。
- 材料陈述的贡献
- 摘要称第一类规则只使用相对秩，第二类规则的渐近风险介于最佳相对秩规则与已知分布情形之间，并说明部分贝叶斯对应。
- 阅读关注点
- 应核对未知均匀分布的参数范围、两种损失的定义、小样本例外，以及非正常先验下后验适定性的论证。
- 阅读边界
- 所给索引摘要未标稿件版本。渐近风险公式的幂次排版不清，须查阅原PDF，不能重构公式；小样本例外的具体范围也未说明。
原文摘要
An invariance-based method of obtaining the minimax stopping rule when sampling from an unknown uniform distribution is presented and applied to two problems, maximizing the probability of selecting the smallest observation and minimizing the expected quantile of the observation selected. In the first problem, the minimax rules use only the relative ranks of the observations; in the second problem they are shown to achieve asymptotic risk (3 + 2 √2)1/√2/n ≈ 3.4780/n, which is intermediate between the values ≈ 3.8695/n for the best rules based on relative ranks and 2/n when the distribution is known. Except for a few small values of the sample size, n, the minimax rules are the formal Bayes rules with respect to an improper a priori “density” whose a posteriori density given the first two observations is proper.