Wyniki wyszukiwania - BazTech

1

Average number of candidates surveyed by the headhunter in the recruitment

Ernst Marlena, Szajowski Krzysztof J.

Mathematica Applicanda

|

2021

|

Vol. 49, no. 1

31--53

EN

The classical secretary problem involves sequentially interviewing a pool of N applicants with the aim of hiring exactly the best one in the pool-nothing less is good enough. The optimal decision strategy is easy to describe and the probability of success is known. In this paper, we analyze properties of the optimal Markov time related to the variants of the classical secretary problem. Modifications to the problem take into account the behavior that adopts a loss suffered by the recruiter in the absence of a final indication of the candidate or when the chosen candidate is not appropriate. There is no guarantee that the optimal strategy for these problems is unique. This ambiguity in the solution is particularly interesting when we analyze the time spent on recruitment.

PL

Klasyczny problem sekretarki polega na sekwencyjnej ocenie puli N kandydatów w celu wyłonienia najlepszego z nich - żadna o mniejszych kwalifikacjach nie jest wystarczająco dobra. Optymalna strategia w tym problemie jest łatwa do opisania i znane jest prawdopodobieństwo sukcesu (wartość problemu). W niniejszym artykule analizujemy właściwości optymalnej strategii związanej z wariantami klasycznego problemu sekretarki. Modyfikacje problemu uwzględniają naturalne konsekwencje tego, że strategia łowcy głów doprowadzi do wyłonienia niewłaściwego kandydata, lub przegląd kandydatów zakończy się tym, że takiego kandydata rekruter nie wskaże. Nie ma gwarancji, że optymalna strategia dla tych problemów jest jedyna. Ta niejednoznaczność rozwiązania jest szczególnie interesująca, gdy analizujemy czas poświęcony na rekrutację. Wiadomo, że w przeszłości badano modele w których był uwzględniany koszt każdego wywiadu lub wypłaty łowcy głów były dyskontowane, ale rozważane w tej pracy modele uwzględniają inne aspekty i nie są szczególnymi przypadkami wymienionych.

2

One step more in Robbins' problem: Explicit solution for the case n = 4

Dendievel R., Swan Y.

Mathematica Applicanda

|

2016

|

Vol. 44, No. 1

135--148

EN

Let X1, X2, …., Xn be independent random variables drawn from the uniform distribution on [0, 1]. A decision maker is shown the variables sequentially and, after each observation, must decide whether or not to keep the current one, with payoff being the overall rank of the selected observation. Decisions are final: no recall is allowed. The objective is to minimize the expected payoff. In this note we give the explicit solution to this problem, known as Robbins’ problem of optimal stopping, when n = 4.

PL

Niech X1, X2, …., Xn będzie ciągiem niezależnych zmiennych losowych o rozkładzie jednostajnym na [0, 1]. Statystyk obserwuje realizacje tych zmiennych sekwencyjnie i po każdej obserwacji decyduje o jej zatrzymaniu lub odrzuceniu. Zaakceptowanej obserwacji nie można w przyszłości zmieniać ani wracać do odrzuconych obserwacji. Celem jest minimalizacja oczekiwanej rangi zaakceptowanej obserwacji. Ten artykuł podaje rozwiązanie tego zadania dla n = 4. Problem w literaturze jest znany jako problem Robinsa.

3

Approximative solutions of optimal stopping and selection problems

Rüschendorf L.

Mathematica Applicanda

|

2016

|

Vol. 44, No. 1

17--44

EN

In this paper we review a series of developments over the last 15 years in which a general method for the approximative solution of finite discrete time optimal stopping and choice problems has been developed. This method also allows to deal with multiple stopping and choice problems and to deal with stopping or choice problems for some classes of dependent sequences. The basic assumption of this approach is that the sequence of normalized observations when embedded in the plane converges in distribution to a Poisson or to a cluster process. For various classes of examples the method leads to explicit or numerically accessible solutions.

PL

W artykule opracowano przegląd różnych podejść z ostatnich 15 lat do przybliżonego rozwiązywania zadań optymalnego zatrzymania procesów z czasem dyskretnym, w tym także zadań wyboru najlepszego obiektu. Metody te pozwalają także na rozwiązywanie niektórych problemów wielokrotnego zatrzymania, a także radzą sobie z rozwiązaniem zadań dla ciągów zależnych. Podstawą tych analiz jest obserwacja, iż ciąg unormowanych obserwacji odwzorowanych na płaszczyźnie jest zbieżny według rozkładu do pewnego procesu punktowego. Dla różnych klas zadań metoda prowadzi do uzyskania zamkniętych analitycznych formuł lub pozwala na uzyskanie rozwiązań numerycznych.