关于独立高斯总体选择程序的渐近效率
统计理论
2017-11-27 v2 统计理论
摘要
离散事件仿真和优化技术领域的进展促使研究者将经典的排序与选择（R&S）程序调整到总体数量庞大的场景。我们利用极值理论的见解来揭示 R&S 程序的渐近性质。具体而言，我们将 Robbins 和 Siegmund 关于从具有已知常方差的独立高斯总体中按其均值进行选择的渐近结果推广到从给定总体集合中选择大小可变子集的情况。此外，我们重新审视了在具有未知且可能不同方差的独立高斯总体中选择均值最高总体的问题。特别地，我们推导了 Dudewicz-Dalal 和 Rinott 程序的相对渐近效率，表明前者在渐近意义上可优出一个大于一的乘积因子，但该因子可通过适当选择参数而减小。我们还利用我们的渐近结果建议，这两种程序第一阶段的样本量应关于总体数量呈对数关系。
引用
@article{arxiv.1707.00314,
title = {On The Asymptotic Efficiency of Selection Procedures for Independent Gaussian Populations},
author = {Royi Jacobovic and Or Zuk},
journal= {arXiv preprint arXiv:1707.00314},
year = {2017}
}
备注
To appear in Electronic Journal of Statistics