Randomization Tests for Adaptively Collected Data

doi:10.1080/01621459.2026.2705554

Randomization Tests for Adaptively Collected Data

2026-07-17

0

PRE

AI

DOI：10.1080/01621459.2026.2705554

原文链接

原文求助

摘要

En 中文

随机化检验是统计学中的基本方法，能够实现诸如检验随机变量的（条件）独立性、在半参数位置模型中构造置信区间以及通过一致性预测构造（通过反转置换检验）无模型预测区间等推断任务。随机化检验对任何样本量都是精确有效的，但其应用通常局限于可交换数据。然而，在许多应用中，数据通常通过适应性收集方式获取，例如（情境）多臂老虎机、强化学习算法或适应性实验设计。本文提出了一种适用于适应性收集数据（尽管其不可交换）的随机化检验通用框架，该框架采用加权随机化检验，并为各种流行的适应性分配算法、数据生成环境和推断任务类型提供了新颖的计算可行重采样算法。最后，我们通过一系列模拟演示了该框架在检验和置信/预测区间构造方面的有效性。

Keyword:

Conformal prediction

Conditional independence testing

Contextual bandits

Reinforcement learning

Sequential experimentation

Randomization Tests for Adaptively Collected Data

摘要

期刊

机构

引用论文