A Bayesian approach to paired comparison experimentation
成对比较实验的贝叶斯方法AI 解读 ↓
← 返回论文列表与筛选
阅读说明
本页整理公开书目信息，不生成学术质量评分。AI 解读根据题名及所注明的摘要或原文片段生成，未完成全文核验，可能有误；具体假设、证明与结论请核对原文。摘要保留来源文本，未经模型改写。
DOI 首次登记不等于接收或发表日期。部分更正、评论等条目没有独立摘要；缺少可靠材料时保留待补状态。
引用量采用 OpenAlex 单条关联记录，不合计多个记录；关联记录可能包含正式发表版本，不等于此版本单独引用。缺失不视为零，引用指标不代表论文质量。
关注作者按书目中的完整姓名匹配，同名和姓名变体需人工辨别。相关论文先按共享细分方向和具体方法排列，再参考通用方法与发表日期。
分类依据与纠错
AI 根据所提供的论文材料归类：摘要研究成对偏好概率和Bradley–Terry模型，与离散比较和选择建模直接相关。
反馈分类问题
正在核对关联版本…
代码、数据与补充材料
正在核对对应版本的资源…
关注这篇论文的作者
成对比较实验的贝叶斯方法
- 研究问题
- 如何在成对比较实验中表达先验信念、估计偏好概率与对象价值参数，并在适当损失函数下获得贝叶斯排序？
- 方法与思路
- 作者分别研究多二项模型和Bradley–Terry模型，采用自然共轭先验，提出两类参数估计量并分析排序关系。
- 材料陈述的贡献
- 摘要称后验满足平衡准则时，两类估计量产生相同且具有贝叶斯最优性的排序，还可绕过价值参数显式估计。
- 阅读关注点
- 应核对共轭先验参数的解释、两类估计量定义、后验平衡准则，以及排序最优性适用的损失函数范围。
- 阅读边界
- OpenAlex索引摘要未注明稿件版本；排序一致性和贝叶斯性质依赖摘要提到的条件，不能推断为所有后验下均成立。
原文摘要
A Bayesian approach to the analysis of paired comparison experiments is presented. Two statistical models are considered: the multibinomial and the Bradley-Terry model. For each, the natural conjugate family of priors is used to represent prior beliefs, and the parameters of the prior are given meaningful interpretations. Two different estimators are suggested for the model parameters, the preference probabilities of the multibinomial model and the worth parameters of the Bradley-Terry model. For the Bradley-Terry model the estimated worth parameters can be used to rank the set of objects. When the posterior distribution satisfies a criterion of balance, the rankings determined by the two estimators are identical and are Bayes with respect to a large class of acceptable loss functions. Furthermore, the Bayes ranking can be easily obtained without explicitly evaluating the estimators of the worth parameters.