面向实验的高效均衡处理分配方法
统计方法学
2020-10-23 v1 机器学习
摘要
在这项工作中，我们将均衡处理分配问题重新构建为检验组与对照组单元之间的两样本检验优化问题。借助这一视角，我们提供了一种相对于 Friedman 和 Rafsky (1979) 的最小生成树检验而言最优的分配算法。这种处理组分配可在多项式时间内精确完成。我们基于从行列式点过程抽取的设计中最可能元素，给出了该过程的概率解释，该过程允许对设计进行概率解释。我们提出了一种将估计视为转导推理的新表述，并展示了设计中使用的树结构同样可用于调整估计量。最后，我们通过一项仿真研究证明了我们所提方法的改进效能。
引用
@article{arxiv.2010.11332,
title = {Efficient Balanced Treatment Assignments for Experimentation},
author = {David Arbour and Drew Dimmery and Anup Rao},
journal= {arXiv preprint arXiv:2010.11332},
year = {2020}
}