Jurnal Teknik Industri dan Sistem Vol.

2, No 2, pp 88-96 Summer 2008 Efisien Simulasi sebuah Turnamen Knockout Acak Sheldon M. Ross 1 *, Samim Ghamami2 Epstein Departemen Teknik Industri dan Sistem, Universitas California Selatan, Los Angeles, CA, USA smross@usc.edu ghamami@usc.edu ABSTRAK Kami menganggap masalah menggunakan simulasi untuk efisien mengestimasi probabilitas untuk menang peserta dalam turnamen knockout umum acak. Kedua estimator diajukan kami, salah satu didasarkan pada gagasan tentang "kelangsungan hidup diamati" dan kondisi harapan lain berdasarkan dan pasca-stratifikasi, sangat efektif dalam hal pengurangan varians jika dibandingkan dengan baku simulasi estimator. Untuk kasus khusus dari turnamen KO acak klasik 2n-player, dimana setiap selamat dari babak sebelumnya bermain di babak saat ini, yang kedua bersyarat harapan estimator berbasis diperkenalkan. Pada akhirnya, kita membandingkan simulasi diusulkan kami estimator berdasarkan contoh numerik dan dalam hal pengurangan varians dan waktu untuk menyelesaikan percobaan simulasi. Berdasarkan studi empiris kami, metode "kata kelangsungan hidup "adalah metode yang paling efisien. 1. PENDAHULUAN DAN RINGKASAN Memilih satu pemenang dari satu set banyak kontestan adalah tema umum dalam banyak olahraga acara. Turnamen struktur yang bervariasi yang digunakan untuk memilih pemenang dalam situasi di mana pemain dapat dibandingkan berpasangan. Dalam turnamen KO pemain bersaing head-to-head di cocok; dengan pecundang yang dikeluarkan dari turnamen. Dalam turnamen KO acak di awal setiap pemain putaran dipasangkan secara acak. Sebuah turnamen yang melibatkan pemain KO umum N dispesifikasikan oleh parameter integer positif n, m1, ..., mn-1, mn = 1, memuaskan Σ Σ = = =≤-=n j j i

Pada bagian 3 kita menggabungkan ekspektasi bersyarat dan sampling stratifikasi untuk pasca-lain pendekatan simulasi. Kami berasumsi bahwa hasil pertandingan antara dua pemain dalam setiap putaran hanya bergantung pada pasangan dan bukan pada putaran atau putaran sebelumnya. 1 * Sesuai Penulis Efisien Simulasi sebuah Turnamen Knockout Random 89 Interpretasi parameter ini adalah bahwa turnamen ini terdiri dari n putaran. kami tertarik untuk menggunakan simulasi untuk efisien estimasi Pi ini Pada bagian 2 kita mengusulkan suatu prosedur simulasi efisien didasarkan pada gagasan "kata kelangsungan hidup ". Kami mengatakan bahwa turnamen knockout adalah turnamen KO acak jika para pemain yang terlibat dalam putaran i adalah yang dipilih secara acak... kita mempertimbangkan "knockout turnamen klasik" dimana N = 2n dan k putaran terdiri dari pertandingan 2n-k.. dari Σ= 1 1 i j j m N pemain yang belum telah dieliminasi dalam salah satu putaran sebelumnya.. dan kemudian secara acak dipasangkan. Membiarkan pi menjadi probabilitas bahwa saya pemain adalah pemenang turnamen i = 1. . dan menyajikan estimator harapan kedua bersyarat. dan kami biarkan PIJ = 1-PJI menunjukkan probabilitas bahwa saya pemain mengalahkan pemain j jika mereka dipasangkan. Pemain yang memenangkan pertandingan di putaran n disebut pemenang turnamen. Pada bagian 4. 1 . N. . .. dengan putaran i melibatkan cocok mi. Dua .j ij mN mNmin 1 1 1 1 2. Biarkan Σ= =1 1 k j kjr m N adalah jumlah pemain yang tersisa pada awal putaran k.

n = i k k P n N s i 1 (1) (). jika dia tidak bermain. untuk 0 ≤ n <j. Dalam Ross dan Schechner (1985) simulasi estimator berdasarkan bahaya diamati dikembangkan untuk secara efisien memperkirakan pertama distribusi bagian untuk satu perangkat negara dari rantai Markov. Keterangan. Ni +1 adalah jumlah transisi yang dibutuhkan rantai Markov yang negara adalah kumpulan pemain bertahan hidup di awal setiap putaran untuk memasuki keadaan yang tidak mengandung i. Setiap menjalankan simulasi melibatkan simulasi turnamen sampai n -1 putaran. Secara khusus. (Tidak ada perlu mensimulasikan n bulat). Biarkan Ni adalah jumlah putaran yang saya pemain bertahan (yaitu. METODE 1: kelangsungan hidup DITINJAU DAN ESTIMATOR PRODUK Kita bisa model evolusi dari turnamen knockout acak dari setiap putaran ke yang berikutnya oleh transisi rantai Markov yang menyatakan adalah set pemain hidup pada awal setiap bulat. Pada contoh ini. cukup varians pengurangan atas estimator simulasi baku diperoleh ketika menggunakan salah satu metode kita disarankan.n i k i N P P n P k N N k 1 (1) (1 1) 90 Ross dan Ghamami Perhatikan bahwa (i) = P (N> k-1N ≥ k -1) Kii adalah tingkat kelangsungan hidup nilai diskrit mewakili probabilitas bahwa saya pemain bertahan k bulat mengingat dia telah bertahan sampai babak k. kita mendapati bahwa Σ≠ =-li PLI N N s (i) 1 2m1 (1) . 2. Menggunakan i yang akan bermain dalam putaran 1 dengan 2m1 probabilitas / N dan.contoh numerik dipertimbangkan dalam bagian 5. Ni = j jika i pemain kalah di babak j +1). Metode kami 1 menggunakan estimator dikembangkan di Ross dan Schechner (1985). Masalah kita mengestimasi Pi = P (Ni> n -1) sebenarnya kasus khusus dari masalah yang lebih umum menggunakan simulasi untuk memperkirakan distribusi jumlah transisi dibutuhkan rantai Markov untuk memasukkan set tertentu dari negara. kita menyimpulkan bahwa metode bertahan hidup diamati adalah yang terbaik. bahwa nya lawan sama mungkin salah satu-1 pemain lain N. Waktu untuk menyelesaikan percobaan simulasi juga dipertimbangkan untuk setiap metode. Menggunakan simulasi.=> . Mengingat pengurangan varians kriteria secara paralel dengan waktu untuk memperoleh hasil simulasi. kami menggambarkan bagaimana memperkirakan Π => . Perhatikan bahwa Π = => .≥ .

Membiarkan . n. k = 1.. jika k N P jika N k rr m i j i j l li i kk k j k j λβk Perhatikan bahwa) (i jk λ merupakan penaksir yang tidak bias dari sk (i) asalkan N k ≥ j -1 i.β dimana j β k adalah himpunan simulasi pemain hadir pada awal putaran k. Membiarkan () (1) 1 j k j i jk P i N k . Kami mendefinisikan "kata kelangsungan hidup "di j simulasi dijalankan sebagai titik estimasi sk (i). Misalkan kita membuat total simulasi r berjalan.. sebagai berikut..1 Biarkan j i N adalah jumlah putaran yang saya bertahan dalam jangka simulasi j. . maka ⎪⎩ ⎪⎨ ⎧ <≥= Σ∈≠ 01 1 (1) 2 1 (). Jadi.λ => . jika j i N adalah jumlah putaran yang saya bertahan dalam jangka simulasi j.

{PIJ: j ≠ i... N}. . batas bawah dan atas untuk sk (i) adalah sebagai berikut Efisien Simulasi sebuah Turnamen Knockout Random 91 ΣΣ=-+ =≤≤-1 1 1 1 (1) 2 () 1 (1) 2 1N jNrIi kk k k r j Aku i kk k kj k jP . IIN P P P. ≤≤≤ i... jumlah simulasi berjalan.. j = 1.. Keterangan.= n IKK PN ns 1 (1) sebagai r. 2 ... kami belum bisa mendapatkan perkiraan titik sm (i). Kemudian.. pergi ke infinity. Pertimbangkan set probabilitas untuk i player. Untuk memperkirakan P (N> n -1) i berdasarkan estimator tersebut sangat berguna untuk menurunkan batas analitik untuk sk (i). mempertimbangkan situasi di mana N m <j-1 i untuk semua j = 1. Dengan kata lain. . Misalkan r melakukan simulasi berjalan. sn (i)..() 1 () / {#: 1} =Σ≥-=iNkjj i r j j λk λk Kemudian (i) k λ adalah perkiraan s sintasan nilai diskrit (i) = P (N> k-1N ≥ k -1) Kii dan Π= n KKI 1 λ () adalah perkiraan yang konsisten dari Π => . dan menyuruh mereka sehingga 1 2 1 . r..

perkiraan Var (Π = n k1k λ) diperoleh. Jika seorang pemain mengalahkan saya di beberapa bulat. saya pemain harus berturut-turut mengalahkan semua pemain Fi. maka pada awal babak berikutnya yang menjadi pemain pengganti untuk i. Biarkan Fi. t. 1 . (Lihat Ross dan Schechner. marilah Wi. pada awal setiap putaran tepat salah satu pemain yang tersisa adalah pengganti untuk i.. j.. . Dengan cara ini.. t.. 1 menunjukkan pemain pertama saya bermain dalam pertandingan. Setiap pemain pemukulan pengganti untuk saya saat ronde mengambil alih sebagai pengganti untuk saya pada awal berikutnya bulat.. Pertama Var (k λ). 3 menyatakan pemain berikutnya untuk bermain Wi. METODE 2: PERKIRAAN BERSYARAT DAN stratifikasi PASCA Sampai saya pemain kehilangan pertandingan. dalam rangka untuk memenangkan turnamen ini..rr m Psi rr m Aproksimasi Var (Π = n k1k λ) Dalam Ross dan Schechner (1985) metode dua langkah untuk perkiraan Var (Π = n k1k λ) dikembangkan. 1 menjadi pemenang yang cocok.. marilah Wi. Sekarang. 2 == menunjukkan proporsi para pemain yang telah selamat dari j-1 putaran pertama . k = 1. marilah Wi. 2 dalam pertandingan. Membiarkan Fi.) 3. Misalkan Ti = t. .. j = 1. Biarkan Ti adalah jumlah pertandingan dimainkan oleh pemain sementara mereka adalah pengganti i. 2 menjadi pemenang pertandingan itu. 1985 untuk rincian. n didekati.. saya pemain ditunjuk sebagai pengganti untuk i. dan kemudian menggunakan metode Delta dan menggabungkan perkiraan. mari jn r m p j j j. Akibatnya. dan seterusnya sampai untuk Fi. 2 menyatakan pemain berikutnya untuk bermain Wi. Biarkan Fi.. 3 menjadi pemenang pertandingan itu. 1 dalam pertandingan.

.+ Dimulai dengan P1 (1) = p1. kita secara rekursif dapat memecahkan sebelumnya sampai kita memiliki jumlah Pn (k). k = 0 . sebagai estimator ekspektasi bersyarat dari Pi. bisa mandiri Bernoulli variabel acak sehingga P Saya p n j j j (= 1) =. biarkan Ij....yang bermain di putaran j. 1 92 Ross dan Ghamami Penyejuk pada Apakah memberi itu () (1) (1) () 1 1 P kp kp P P ksss-ss-= . Sangat mudah untuk melihat bahwa Σ= === n j i P j T k P Saya k 1 () () Untuk menghitung probabilitas sebelumnya..]. Karena Π= ⎢== t j i i t i E Fi j Aku t T F F P 1 . n. Namun.. Biarkan II menjadi indikator dari peristiwa yang saya memenangkan turnamen. P1 (0) = 1-p1. seorang estimator stratifikasi posting harus memiliki varians lebih kecil. n... setelah menyelesaikan simulasi r berjalan. Juga... j = 1. kita bisa menggunakan Π = t Fi ji j P 1.... . E memperkirakan [IT k] ii ⎢ = oleh rata-rata jumlah Π= i ij ... = 1 . karena ada akan muncul sebagai korelasi negatif yang kuat antara II dan Ti.. Artinya. [. biarkan P k P k aku k s n s s j sj≤≤==Σ= () (). menulis Σ= =⎢= n k i P i n E aku T k P k 1 [] () dan kemudian.. 1.. .

kita masih akan menggunakan prosedur stratifikasi pasca untuk memperkirakan nilai Pj yang kesulitan sebelumnya tidak muncul. j ≠ i. Untuk mendapatkan gambaran tentang jumlah pengurangan varians hasil metode sebelumnya. Hal ini dapat ditunjukkan (lihat Glasserman... Kami juga dapat memperkirakan varians dari estimator E [TI k] ii ⎢ = dengan varians sampel dari nilai Π = i ij Tj Pi F 1. dengan Ij. Sekarang. mungkin ada nilai k yang ada berjalan untuk yang Ti = k. j = 1 . setelah Ti = k dibagi dengan jumlah yang dihasilkan seperti nilai. dalam hubungannya dengan menggunakan Ti sebagai variabel kontrol dengan rata Σ dikenal = = n i j E p T j 1 []. jika ada cukup nilai-nilai seperti k.. kita bisa menggunakan 0 sebagai estimasi E [TI k] P (k) iin ⎢ =. misalkan kita ingin memperkirakan Pi untuk i ditentukan ketika TIJ = α. Dalam hal ini.Tj Pi F 1. diperoleh pada mereka berjalan memiliki Ti = k. kami menyarankan menggunakan data simulasi untuk mengestimasi Pi dengan menggunakan bersyarat estimator Π harapan = i ij Tj Pi F 1. (Tentu saja. 2004..) Contoh. n. hal 235) bahwa jumlah berjalan simulasi pergi ke tak terhingga varians dari estimator pascastratified adalah dari urutan yang sama besarnya seperti yang dilakukan oleh estimator berlapis yang tidak proporsi Pn (k) anak berjalan tergantung pada Ti = k. Namun... Keterangan. stratifikasi posting sebelumnya tidak akan bekerja untuk estimasi Pi. Untuk nilai tetap i.. seperti sebelumnya didefinisikan [Ti] iPE=α Efisien Simulasi sebuah Turnamen Knockout Random 93 Π Π Π = = = =-=+= =Σ= n j jj . Jika nilai Pn (k) cukup kecil.

untuk estimator α Ti. dalam hal ini. Nya varians Π= =--==n j jji i T i TT mrP EP Var E P i i 1 22 22 22 (1 (1) 2) [()] () [()] α .n j jj n j Aku Aku mr pp E E j n jj 1 1 1 (1 (1) 2) (1) [] [1] α α α α Penaksir harapan lurus bersyarat mengurangi.

misalnya. ketika N = 5. 2n.α αα Misalnya. 2n yang akan menentukan cara untuk menetapkan pemain untuk posisi awal yang diberi nomor dari 1 sampai 2n.. α = 1 / 2. sebuah turnamen delapanpemain KO acak dengan. estimator bagian sebelumnya berdasarkan pada probabilitas kelangsungan hidup memiliki 0 varians ketika PIJ ≡ α. 7.. Kedua stratifikasi bersyarat harapan estimator. 8]. kami memiliki kedua bersyarat harapan estimator. yang sebelumnya memberikan yang ) (1 5) . n. . k = 2 .015 2 (6) ((1 2)) (1 3 2 4 1 -≈ -=Π= j T j Var i sedangkan varians dari estimator simulasi baku adalah Pi (1-Pi) = 0. Dalam melakukan simulasi lari kita dapat menentukan pasangan dalam setiap putaran dengan menghasilkan sebuah permutasi n tunggal acak R R1 2 .16. [1. Dengan demikian. Di babak k. 5 pemain bermain melawan pemain 6. pemenang pemain 1 dan 2 memainkan melawan pemenang pemain 3 dan 4. Perhatikan. Dalam terakhir putaran yang selamat dari permainan putaran kedua terhadap satu sama lain. dan ada 2n-k pertandingan di babak k dari turnamen. mengingat permutasi R acak. 3. 4. dan pemutar 7 memutar melawan pemain 8. Dalam putaran kedua.. mj ≡ 1. 6. berdekatan pemenang sebelumnya putaran dipasangkan.. Keterangan. penaksir harapan kedua kondisional diturunkan dengan . ... Pertandingan di babak pertama ditentukan oleh pasangan pemain ditugaskan untuk posisi mulai berdekatan.. Sebuah prosedur rekursif telah diperkenalkan pada Edwards (1996) untuk menghitung probabilitas untuk menang KO acak klasik turnamen ketika posisi pemain 'mulai dikenal dan dari saat itu pasangan ini 94 Ross dan Ghamami ditentukan seperti diuraikan di atas. KLASIK KO TURNAMEN Dalam turnamen KO klasik acak N = 2n. 4. Jadi. pemenang pemain 5 dan 6 memutar melawan pemenang pemain 7 dan 8. dalam hal ini. Pi. Di babak pertama. 3 pemain bermain melawan pemain 4. Bila dibandingkan dengan metode 2. kita dapat menghitung menang probabilitas bersyarat. 5. 2. 1....... i = 1. pemain 1 memutar melawan pemain 2. sebagai permutasi acak yang dihasilkan..

4 .4 .2 . mi ≡ 1). metode 2 di turnamen satupertandingan-per-bulat dan kedua metode 2 dan 3 di turnamen knockout klasik lebih baik daripada metode yang diamati kelangsungan hidup dalam hal pengurangan varians. j = 1.4 .1 . dan 8-pemain klasik turnamen knockout acak. dan tiga terakhir tabel merujuk ke knockout acak klasik turnamen..5 . di samping .7 .. Hal ini umum untuk mewakili probabilitas pemain '.5 .4 . Dalam simulasi klasik turnamen KO metode 3 mengacu pada estimator harapan kedua bersyarat diperkenalkan di bagian 4. nomor telepon di bawah setiap Pi menunjukkan perkiraan simulasi berhubungan dengan pemain i).3 .9 ..4 .8 .8 . kami memperkirakan untuk Pi kedua jenis turnamen.6 .2 .3 . Hasilnya.6 .pengkondisian informasi kurang dan sehingga lebih baik untuk metode 2 dalam hal varian pengurangan kriteria. 8. Menggunakan 105 menjalankan simulasi.7 .5 .8 .7 .4 .3 .5 . Yang pertama setelah tiga tabel mengacu pada hasil simulasi dari satu pertandingan-putaran perKO turnamen acak.8 .7 .5 ..8 .5 .2 .6 . Namun. Pertimbangkan matriks preferensi berikut untuk turnamen 8-pemain KO acak: ⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟ ⎠ ⎞ ⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜ ⎝ ⎛ . Berdasarkan contoh numerik kami. PIJ.2. (Perhatikan bahwa dalam tabel diberikan di bawah ini.6 Kami mempertimbangkan kedua sebuah turnamen KO satu-pertandingan-perputaran acak (N n = 8.6 .3 .4 .7 . = 7. dalam sebuah matriks yang biasanya disebut "preferensi matriks". 5.2 .6 ..5 .5 .4 .6 .3 . Ingat bahwa metode 1 adalah metode kelangsungan hidup diamati.3 . 8.3 . dan metode 2 mengacu pada harapan bersyarat dikombinasikan dengan pasca-stratifikasi.1 .2. CONTOH NUMERIK Pertimbangkan sebuah turnamen KO dengan 8 pemain.2 .9 .7 .5 .7 ..4 . i = 1.6 . . .5 .6 .

Sebaliknya.1123 0.9 101. titik estimasi sk (i) yang pertama dikumpulkan untuk k = 1.1183 0.2 .1131 0.1176 0.31 Metode 2 59 111 63 84 55 21 68 62 Tabel 3..0367 0. kami menghitung k s λ 'dari simulasi r berjalan untuk mendapatkan satu titik .3 Keterangan.1112 0.1195 0.1194 0. Varians dari estimator berdasarkan 105 berjalan simulasi (skala 10-9) P1 P2 P3 P4 P5 P6 P7 P8 Simulasi Baku 966 1743 985 1220 1043 353 1063 1189 Metode 1 107 81 114 130 78 38 117 42 Metode 2 51 60 68 92 40 10 51 21 Metode 3 14 23 22 31 13 3 16 9 Tabel 6.1107 0.1193 0.1113 0.2098 0.1183 0.0481 0. Ingat dalam metode 1.1122 0.0366 .0363 0.1207 0.1388 0.1437 0.1097 0.1132 0.2112 0.1394 0.4 3475.1791 13.2 182. Perkiraan Pi P1 P2 P3 P4 P5 P6 P7 P8 Simulasi Baku 0.1078 0.1082 . ada operasi perkalian yang terlibat dalam menjalankan simulasi tunggal.45 122.08 52.1384 Metode 2 .0483 0. metode 1 adalah yang paling efisien simulasi prosedur untuk mengestimasi Pi di turnamen knockout acak.1439 0. Berdasarkan nilai yang diperoleh dalam contoh numerik kita.1370 Tabel 2.1208 0.1365 Metode 2 0.926 7362 Klasik Knockout Tournament Acak Tabel 4.1083 0.1385 Metode 3 0. dan kemudian rata-rata.1184 0.0483 0.118 .1 208. dalam metode 1.pengurangan varians. Perkiraan Pi P1 P2 P3 P4 P5 P6 P7 P8 Simulasi Baku 0. Varians dari estimator berdasarkan 105 berjalan simulasi (skala 10-9) P1 P2 P3 P4 P5 P6 P7 P8 Simulasi Baku 977 1676 1004 1195 1052 458 1062 1182 Metode 1 448. Hal ini dapat dijelaskan dengan mencatat bahwa ketika estimator simulasi komputasi berdasarkan gagasan ekspektasi bersyarat diperkenalkan pada ini kertas.2288 2580 .1209 0.0365 0.1387 Tabel 5.2244 .138 Metode 1 0.108 0.67 130.2241 0.1174 0. Sangat menarik untuk mengamati bahwa penaksir kami berdasarkan gagasan kelangsungan hidup diamati membutuhkan waktu lebih sedikit dibandingkan dengan ekspektasi bersyarat berbasis estimator dalam kedua jenis turnamen.43 104 65. Efisien Simulasi sebuah Turnamen Knockout Random 95 Satu Pertandingan Per Putaran Knockout Tournament Acak Tabel 1. Pi kemudian diperkirakan oleh produk dari rata-rata pada akhir simulasi percobaan.1422 0.1188 0. n lebih dari 105 berjalan simulasi. Berlalu waktu (dalam detik) Baku Simulasi Metode 1 Metode 2 Metode 3 9.2129 0.2245 0....1141 0.2249 0.1192 .1437 .1394 0.1369 Metode 1 0.1124 . Berlalu waktu (dalam detik) Baku Simulasi Metode 1 Metode 2 184. faktor waktu juga telah diperhitungkan dengan mengukur jumlah waktu yang diperlukan untuk MATLAB lengkap eksperimen simulasi kami.

(1985). Menggunakan Simulasi Perkiraan Distribusi Passage Pertama. Memanggil ini estimator variansi internal. Pada perbandingan antara standar turnamen dan sistem gugur. 96 Ross dan Ghamami Dari contoh numerik tersebut. Schechner Z. [2] David H. Am. 593-596.perkiraan Pi.A. [6] Horen J.Lihat kamus yang lebih detail ► . Biometrika 46. Riezman R. Pada probabilitas untuk menang dengan prosedur turnamen yang berbeda. 139-149. [8] Marchand E. 253 262.M..K. [7] Hwang F. (1978). A perbandingan efektivitas turnamen. Statistik 50. J. 27-33.K. Monte Carlo Metode dalam Rekayasa Keuangan. Stat. Bulanan 107. Riset Operasi 33. kami meneliti akurasi dengan cara membandingkannya dengan sebuah varian eksternal estimator Var (ext) berdasarkan percobaan-meta dari 1000 independen percobaan. Amer. Turnamen dan perbandingan berpasangan. [4] Glasserman P.R.T. SIMULASI. [3] Edwards C.58. The Statistik 51 (2). Academic Press. 249-262. Membandingkan menarik untuk turnamen eliminasi tunggal. Apakah pemain kuat memenangkan turnamen KO lebih. Double-eliminasi turnamen: Menghitung dan menghitung. 73. Hwang F. [5] Glenn WA (1960). Management Science 31 (2). (1982). Amer. 1064-1081. memimpin kita untuk menyimpulkan bahwa varians internal estimator akurat. Ass. (2004).? Am. kami memperoleh untuk turnamen klasik yang Var (int) = 120 × 10-9 dan Var (ext) = 118 × 10-9. [9] Ross dan Schechner (1985) Ross SM. DAFTAR PUSTAKA [1] Chung F. J. (1985). New konsep dalam pembenihan turnamen knockout. [11] Searls DT (1963). Biometrika 47. 140-150. (1959). Assoc.. Springer. Simak Baca secara fonetik Kamus . 169-178. ed keempat. (1996). Statis. Math. Kami menggunakan metode Ross dan Schechner (1985) untuk memperkirakan varians dari estimator.D. [10] Ross S. (2006).. (2002).

Sign up to vote on this title
UsefulNot useful