One-Armed Bandit Problems with Covariates
带协变量的单臂老虎机问题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：摘要关注治疗分配的序贯决策与收益最优性，未明确研究因果效应识别或所列其他细分方向。
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
带协变量的单臂老虎机问题
- 研究问题
- 在包含协变量的两种治疗贝叶斯序贯分配中，如何选择治疗规则，使无限患者总体的折现预期总收益最大？
- 方法与思路
- 作者建立带协变量的贝叶斯序贯治疗分配模型，并在比既有研究更一般的模型中分析短视决策规则的渐近性质。
- 材料陈述的贡献
- 摘要称，作者在更一般的模型中得到既有研究的主要结论，即短视规则渐近最优；摘要未说明一般化的具体内容。
- 阅读关注点
- 应核对两种治疗的收益与未知参数设定、协变量进入模型的方式，以及渐近最优所指的极限过程和证明条件。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明渐近条件、有限样本表现或因果效应识别，不能推断刊本变化。
原文摘要
As does Woodroofe, we consider a Bayesian sequential allocation between two treatments that incorporates a covariate. The goal is to maximize the total discounted expected reward from an infinite population of patients. Although our model is more general than Woodroofe's, we are able to duplicate his main result: The myopic rule is asymptotically optimal.