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
j
ij
mN
mNmin
1
1
1
1
2, 1 ,..., 1
* Sesuai Penulis
Efisien Simulasi sebuah Turnamen Knockout Random 89
Interpretasi parameter ini adalah bahwa turnamen ini terdiri dari n putaran, dengan
putaran i
melibatkan cocok mi. Biarkan Σ-
=
=-
1
1
k
j
kjr m N adalah jumlah pemain yang tersisa pada awal
putaran k.
Kami mengatakan bahwa turnamen knockout adalah turnamen KO acak jika para
pemain yang terlibat dalam
putaran i adalah yang dipilih secara acak, dan kemudian secara acak dipasangkan,
dari Σ-
=
-
1
1
i
j
j m N pemain yang belum
telah dieliminasi dalam salah satu putaran sebelumnya. Kami berasumsi bahwa hasil
pertandingan antara
dua pemain dalam setiap putaran hanya bergantung pada pasangan dan bukan
pada putaran atau putaran sebelumnya, 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. Membiarkan pi menjadi
probabilitas bahwa saya pemain adalah pemenang turnamen i = 1,. . . , N, 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 ". Pada bagian 3 kita menggabungkan ekspektasi bersyarat dan
sampling stratifikasi untuk pasca-lain
pendekatan simulasi. Pada bagian 4, kita mempertimbangkan "knockout turnamen
klasik" dimana N = 2n
dan k putaran terdiri dari pertandingan 2n-k, dan menyajikan estimator harapan
kedua bersyarat. Dua
contoh numerik dipertimbangkan dalam bagian 5. Pada contoh ini, cukup varians
pengurangan atas estimator simulasi baku diperoleh ketika menggunakan salah satu
metode kita disarankan.
Waktu untuk menyelesaikan percobaan simulasi juga dipertimbangkan untuk setiap
metode. Mengingat
pengurangan varians kriteria secara paralel dengan waktu untuk memperoleh hasil
simulasi, kita
menyimpulkan bahwa metode bertahan hidup diamati adalah yang terbaik.
2. 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. Biarkan Ni adalah jumlah putaran yang saya pemain bertahan (yaitu, untuk 0 ≤
n <j, Ni = j jika
i pemain kalah di babak j +1). 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.
Secara khusus, 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. 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. Metode kami 1
menggunakan estimator
dikembangkan di Ross dan Schechner (1985).
Setiap menjalankan simulasi melibatkan simulasi turnamen sampai n -1 putaran.
(Tidak ada perlu
mensimulasikan n bulat).
Perhatikan bahwa
Π = => - => - ≥ - 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. Menggunakan simulasi,
kami menggambarkan bagaimana memperkirakan Π => - n =
i k k P n N s i 1 (1) ().
Keterangan. Menggunakan i yang akan bermain dalam putaran 1 dengan 2m1
probabilitas / N dan, jika dia tidak bermain, bahwa nya
lawan sama mungkin salah satu-1 pemain lain N, kita mendapati bahwa
Σ≠
=--
li
PLI N
N
s (i) 1 2m1 (1)
1
Biarkan j
i N adalah jumlah putaran yang saya bertahan dalam jangka simulasi j. Kami
mendefinisikan "kata
kelangsungan hidup "di j simulasi dijalankan sebagai titik estimasi sk (i), k = 1, ..., n,
sebagai berikut. Membiarkan
() (1) 1
j
k
j
i
jk
P i N k - λ => - β
dimana j
β k adalah himpunan simulasi pemain hadir pada awal putaran k. Jadi, jika j
i N adalah
jumlah putaran yang saya bertahan dalam jangka simulasi j, maka
⎪⎩
⎪⎨
⎧
<-
≥-
-
-
=
Σ∈≠
01
1
(1)
2
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.
Misalkan kita membuat total simulasi r berjalan. Membiarkan
() 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 => - = n
IKK PN ns 1 (1) sebagai r, jumlah simulasi
berjalan, pergi ke infinity.
Keterangan. Misalkan r melakukan simulasi berjalan, kami belum bisa mendapatkan
perkiraan titik
sm (i), ..., sn (i). Dengan kata lain, mempertimbangkan situasi di mana N m <j-1
i untuk semua j = 1, .., r. Untuk memperkirakan
P (N> n -1) i berdasarkan estimator tersebut sangat berguna untuk menurunkan
batas analitik untuk sk (i).
Pertimbangkan set probabilitas untuk i player, {PIJ: j ≠ i, j = 1, 2 ,..., N}, dan
menyuruh mereka sehingga
1 2 1 ... -
≤≤≤
i. IIN P P P. Kemudian, 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
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.
Pertama Var (k
λ), k = 1, ..., n didekati, dan kemudian menggunakan metode Delta dan
menggabungkan
perkiraan, perkiraan Var (Π =
n
k1k
λ) diperoleh. (Lihat Ross dan Schechner, 1985
untuk rincian.)
3. METODE 2: PERKIRAAN BERSYARAT DAN stratifikasi PASCA
Sampai saya pemain kehilangan pertandingan, saya pemain ditunjuk sebagai
pengganti untuk i. Jika seorang pemain mengalahkan saya di beberapa
bulat, maka pada awal babak berikutnya yang menjadi pemain pengganti untuk i.
Setiap pemain
pemukulan pengganti untuk saya saat ronde mengambil alih sebagai pengganti
untuk saya pada awal berikutnya
bulat. Dengan cara ini, pada awal setiap putaran tepat salah satu pemain yang
tersisa adalah
pengganti untuk i. Biarkan Ti adalah jumlah pertandingan dimainkan oleh pemain
sementara mereka adalah pengganti i.
Misalkan Ti = t. Biarkan Fi, 1 menunjukkan pemain pertama saya bermain dalam
pertandingan, marilah Wi, 1 menjadi pemenang yang
cocok. Biarkan Fi, 2 menyatakan pemain berikutnya untuk bermain Wi, 1 dalam
pertandingan, marilah Wi, 2 menjadi pemenang pertandingan itu. Membiarkan
Fi, 3 menyatakan pemain berikutnya untuk bermain Wi, 2 dalam pertandingan,
marilah Wi, 3 menjadi pemenang pertandingan itu, dan seterusnya sampai
untuk Fi, t. Akibatnya, dalam rangka untuk memenangkan turnamen ini, saya pemain
harus berturut-turut mengalahkan semua
pemain Fi, j, j = 1, ..., t.
Sekarang, mari
jn
r
m
p
j
j
j, 1 ,...,
2
==
menunjukkan proporsi para pemain yang telah selamat dari j-1 putaran pertama
yang bermain di putaran j.
Juga, biarkan Ij, j = 1, ..., n, bisa mandiri Bernoulli variabel acak sehingga
P Saya p n j j j (= 1) =, = 1 ,...,
Sangat mudah untuk melihat bahwa
Σ=
===
n
j
i P j T k P Saya k
1
() ()
Untuk menghitung probabilitas sebelumnya, biarkan
P k P k aku k s n s
s
j
sj≤≤==Σ=
() (),,
1
92 Ross dan Ghamami
Penyejuk pada Apakah memberi itu
() (1) (1) () 1 1 P kp kp P P ksss-ss-= - + -
Dimulai dengan P1 (1) = p1, P1 (0) = 1-p1, kita secara rekursif dapat memecahkan
sebelumnya sampai kita memiliki
jumlah Pn (k), k = 0 ,..., n.
Biarkan II menjadi indikator dari peristiwa yang saya memenangkan turnamen.
Karena
Π=
⎢==
t
j
i i t i E Fi j Aku t T F F P
1
, 1,, [, ,...,],
kita bisa menggunakan Π =
t
Fi ji j P 1,, sebagai estimator ekspektasi bersyarat dari Pi. Namun, karena ada
akan muncul sebagai korelasi negatif yang kuat antara II dan Ti, seorang estimator
stratifikasi posting
harus memiliki varians lebih kecil. Artinya, menulis
Σ=
=⎢=
n
k
i P i n E aku T k P k
1
[] ()
dan kemudian, setelah menyelesaikan simulasi r berjalan, E memperkirakan [IT k] ii
⎢ = oleh rata-rata jumlah
Π=
i
ij
Tj
Pi F 1,, diperoleh pada mereka berjalan memiliki Ti = k. Hal ini dapat ditunjukkan
(lihat Glasserman, 2004, hal 235)
bahwa jumlah berjalan simulasi pergi ke tak terhingga varians dari estimator pasca-
stratified adalah
dari urutan yang sama besarnya seperti yang dilakukan oleh estimator berlapis yang
tidak proporsi Pn (k) anak
berjalan tergantung pada Ti = k. Kami juga dapat memperkirakan varians dari
estimator E [TI k] ii ⎢ = dengan
varians sampel dari nilai Π =
i
ij
Tj
Pi F 1,, setelah Ti = k dibagi dengan jumlah yang dihasilkan
seperti nilai.
Keterangan. Untuk nilai tetap i, mungkin ada nilai k yang ada berjalan untuk yang Ti
= k.
Jika nilai Pn (k) cukup kecil, kita bisa menggunakan 0 sebagai estimasi E [TI k] P (k)
iin ⎢ =.
Namun, jika ada cukup nilai-nilai seperti k, stratifikasi posting sebelumnya tidak akan
bekerja untuk
estimasi Pi. Dalam hal ini, kami menyarankan menggunakan data simulasi untuk
mengestimasi Pi dengan menggunakan
bersyarat estimator Π harapan =
i
ij
Tj
Pi F 1,, dalam hubungannya dengan menggunakan Ti sebagai variabel kontrol
dengan rata Σ dikenal = = n
i j E p T j 1 []. (Tentu saja, kita masih akan menggunakan prosedur stratifikasi pasca
untuk memperkirakan nilai Pj yang kesulitan sebelumnya tidak muncul.)
Contoh. Untuk mendapatkan gambaran tentang jumlah pengurangan varians hasil
metode sebelumnya, misalkan
kita ingin memperkirakan Pi untuk i ditentukan ketika TIJ = α, j ≠ i. Sekarang, dengan
Ij, j = 1 ,..., n, seperti sebelumnya didefinisikan
[Ti]
iPE=α
Efisien Simulasi sebuah Turnamen Knockout Random 93
Π
Π
Π
=
=
=
=--
=+-
=
=Σ=
n
j
jj
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, dalam hal ini, untuk estimator α Ti.
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
α
αα
Misalnya, ketika N = 5, mj ≡ 1, α = 1 / 2, yang sebelumnya memberikan yang
) (1 5) .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) = 0,16.
Kedua stratifikasi bersyarat harapan estimator, estimator bagian sebelumnya
berdasarkan
pada probabilitas kelangsungan hidup memiliki 0 varians ketika PIJ ≡ α.
4. KLASIK KO TURNAMEN
Dalam turnamen KO klasik acak N = 2n, dan ada 2n-k pertandingan di babak k dari
turnamen. Dalam melakukan simulasi lari kita dapat menentukan pasangan dalam
setiap putaran dengan menghasilkan
sebuah permutasi n tunggal acak R R1 2 ,..., 1, ..., 2n yang akan menentukan cara
untuk menetapkan pemain untuk
posisi awal yang diberi nomor dari 1 sampai 2n. Pertandingan di babak pertama
ditentukan oleh pasangan
pemain ditugaskan untuk posisi mulai berdekatan. Di babak k, berdekatan
pemenang sebelumnya
putaran dipasangkan, k = 2 ,..., n. Perhatikan, misalnya, sebuah turnamen delapan-
pemain KO acak
dengan, [1, 2, 3, 4, 5, 6, 7, 8], sebagai permutasi acak yang dihasilkan. Di babak
pertama, pemain 1 memutar
melawan pemain 2, 3 pemain bermain melawan pemain 4, 5 pemain bermain
melawan pemain 6, dan pemutar 7 memutar
melawan pemain 8. Dalam putaran kedua, pemenang pemain 1 dan 2 memainkan
melawan pemenang
pemain 3 dan 4, pemenang pemain 5 dan 6 memutar melawan pemenang pemain 7
dan 8. Dalam terakhir
putaran yang selamat dari permainan putaran kedua terhadap satu sama lain.
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. Dengan demikian, mengingat permutasi R acak,
kita dapat menghitung
menang probabilitas bersyarat, Pi, i = 1, ..., 2n. Jadi, dalam hal ini, kami memiliki
kedua bersyarat
harapan estimator.
Keterangan. Bila dibandingkan dengan metode 2, penaksir harapan kedua
kondisional diturunkan dengan
pengkondisian informasi kurang dan sehingga lebih baik untuk metode 2 dalam hal
varian
pengurangan kriteria.
5. CONTOH NUMERIK
Pertimbangkan sebuah turnamen KO dengan 8 pemain. Hal ini umum untuk
mewakili probabilitas pemain ', PIJ,
i = 1,2, ..., 8, j = 1,2, ..., 8, dalam sebuah matriks yang biasanya disebut "preferensi
matriks". Pertimbangkan
matriks preferensi berikut untuk turnamen 8-pemain KO acak:
⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜⎜
⎝
⎛
-
-
-
-
-
-
-
-
.4 .5 .7 .4 .5 .4 .7
.2 .5 .5 .9 .6 .4 .3
.3 .2 .1 .4 .2 .6 .6
.6 .3 .7 .3 .8 .4 .5
.5 .4 .8 .7 .6 .1 .6
.7 .6 .2 .3 .9 .5 .3
.8 .4 .6 .7 .8 .5 .5
.2 .3 .5 .4 .7 .8 .6
Kami mempertimbangkan kedua sebuah turnamen KO satu-pertandingan-per-
putaran acak (N n = 8, = 7, mi ≡ 1), dan
8-pemain klasik turnamen knockout acak. Menggunakan 105 menjalankan simulasi,
kami memperkirakan untuk Pi
kedua jenis turnamen.
Hasilnya. Yang pertama setelah tiga tabel mengacu pada hasil simulasi dari satu
pertandingan-putaran per-
KO turnamen acak, dan tiga terakhir tabel merujuk ke knockout acak klasik
turnamen. (Perhatikan bahwa dalam tabel diberikan di bawah ini, nomor telepon di
bawah setiap Pi menunjukkan perkiraan simulasi
berhubungan dengan pemain i). Ingat bahwa metode 1 adalah metode
kelangsungan hidup diamati, dan metode 2 mengacu pada
harapan bersyarat dikombinasikan dengan pasca-stratifikasi. Dalam simulasi klasik
turnamen KO metode 3 mengacu pada estimator harapan kedua bersyarat
diperkenalkan di
bagian 4. Berdasarkan contoh numerik kami, metode 2 di turnamen satu-
pertandingan-per-bulat dan
kedua metode 2 dan 3 di turnamen knockout klasik lebih baik daripada metode yang
diamati
kelangsungan hidup dalam hal pengurangan varians. Namun, di samping
pengurangan varians, faktor
waktu juga telah diperhitungkan dengan mengukur jumlah waktu yang diperlukan
untuk MATLAB
lengkap eksperimen simulasi kami. 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. Hal ini dapat dijelaskan dengan
mencatat bahwa ketika
estimator simulasi komputasi berdasarkan gagasan ekspektasi bersyarat
diperkenalkan pada ini
kertas, ada operasi perkalian yang terlibat dalam menjalankan simulasi tunggal.
Sebaliknya, dalam
metode 1, titik estimasi sk (i) yang pertama dikumpulkan untuk k = 1,2 ,..., n lebih
dari 105 berjalan simulasi, dan kemudian
rata-rata. Pi kemudian diperkirakan oleh produk dari rata-rata pada akhir simulasi
percobaan. Berdasarkan nilai yang diperoleh dalam contoh numerik kita, metode 1
adalah yang paling efisien
simulasi prosedur untuk mengestimasi Pi di turnamen knockout acak.
Efisien Simulasi sebuah Turnamen Knockout Random 95
Satu Pertandingan Per Putaran Knockout Tournament Acak
Tabel 1. Perkiraan Pi
P1 P2 P3 P4 P5 P6 P7 P8
Simulasi Baku 0,1097 0,2129 0,1132 0,1388 0,1195 0,0481 0,1208 0,1369
Metode 1 0,1112 0,2112 0,1141 0,1394 0,1184 0,0483 0,1207 0,1365
Metode 2 0,1113 0,2098 0,1131 0,1394 0,1183 0,0483 0,1194 0,1370
Tabel 2. 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 1 448,45 122,2 182,1 208,43 104 65,67 130,08 52,31
Metode 2 59 111 63 84 55 21 68 62
Tabel 3. Berlalu waktu (dalam detik)
Baku Simulasi Metode 1 Metode 2
184.9 101.926 7362
Klasik Knockout Tournament Acak
Tabel 4. Perkiraan Pi
P1 P2 P3 P4 P5 P6 P7 P8
Simulasi Baku 0,1083 0,2249 0,1107 0,1422 0,1183 0,0367 0,1209 0,138
Metode 1 0,1078 0,2245 0,1123 0,1439 0,1174 0,0363 0,1188 0,1384
Metode 2 .1082 .2244 .1124 .1437 .118 .0366 .1192 .1385
Metode 3 0,108 0,2241 0,1122 0,1437 0,1176 0,0365 0,1193 0,1387
Tabel 5. 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. Berlalu waktu (dalam detik)
Baku Simulasi Metode 1 Metode 2 Metode 3
9,1791 13,2288 2580 .4 3475,3
Keterangan. Ingat dalam metode 1, kami menghitung k
s λ 'dari simulasi r berjalan untuk mendapatkan satu titik
perkiraan Pi. Kami menggunakan metode Ross dan Schechner (1985) untuk
memperkirakan varians dari
estimator. Memanggil ini estimator variansi internal, kami meneliti akurasi dengan
cara membandingkannya dengan
sebuah varian eksternal estimator Var (ext) berdasarkan percobaan-meta dari 1000
independen
percobaan.
96 Ross dan Ghamami
Dari contoh numerik tersebut, kami memperoleh untuk turnamen klasik yang
Var (int) = 120 × 10-9 dan Var (ext) = 118 × 10-9, memimpin kita untuk
menyimpulkan bahwa varians internal
estimator akurat.
DAFTAR PUSTAKA
[1] Chung F.R.D., Hwang F.K. (1978), Apakah pemain kuat memenangkan turnamen
KO lebih; J.?
Am. Statis. Ass. 73; 593-596.
[2] David H.A. (1959), Turnamen dan perbandingan berpasangan; Biometrika 46;
139-149.
[3] Edwards C.T. (1996), Double-eliminasi turnamen: Menghitung dan menghitung;
Amer.
Statistik 50; 27-33.
[4] Glasserman P. (2004), Monte Carlo Metode dalam Rekayasa Keuangan;
Springer.
[5] Glenn WA (1960), A perbandingan efektivitas turnamen; Biometrika 47; 253 -
262.
[6] Horen J., Riezman R. (1985), Membandingkan menarik untuk turnamen eliminasi
tunggal;
Riset Operasi 33; 249-262.
[7] Hwang F.K. (1982), New konsep dalam pembenihan turnamen knockout; Am.
Math. Bulanan
107; 140-150.
[8] Marchand E. (2002), Pada perbandingan antara standar turnamen dan sistem
gugur; The
Statistik 51 (2); 169-178.
[9] Ross dan Schechner (1985) Ross SM, Schechner Z. (1985), Menggunakan
Simulasi
Perkiraan Distribusi Passage Pertama; Management Science 31 (2).
[10] Ross S.M. (2006), SIMULASI, ed keempat; Academic Press..
[11] Searls DT (1963), Pada probabilitas untuk menang dengan prosedur turnamen
yang berbeda; J.
Amer. Stat. Assoc.58; 1064-1081.
Simak
Baca secara fonetik
Kamus - Lihat kamus yang lebih detail