The use of random allocation for the control of selection bias
利用随机分配控制选择偏差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：摘要直接研究两种处理的随机实验分配及选择偏差控制，对应因果推断中的实验设计。
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
利用随机分配控制选择偏差
- 研究问题
- 在受试者依次到达且必须立即接受处理、两组人数固定的实验中，怎样限制实验者利用已知分配信息选择受试者造成的偏差？
- 方法与思路
- 作者在马尔可夫实验设计类中将随机分配刻画为受限贝叶斯设计，并与作为极小极大设计的截断二项式设计比较。
- 材料陈述的贡献
- 摘要称在所研究框架中，随机分配可在某些情形渐近消除极小极大设计无法消除的偏差，并具有相应的性能比较性质。
- 阅读关注点
- 应核对实验者可用信息、选择偏差及损失的定义、固定人数约束，以及渐近消除偏差和设计比较结论的成立范围。
- 阅读边界
- 仅据版本未注明的索引摘要；偏差模型和比较条件未说明，不能解释为随机分配能消除现实实验中的所有偏差或推断刊本变化。
原文摘要
In comparing two treatments, suppose the suitable subjects arrive sequentially and must be treated at once. In such situations, if the experiment calls for fixed treatment numbers, the experimenter can, using his knowledge of the number of treatments that have been assigned, bias the experiment by his selection of subjects. If we consider the method of assigning treatments as an experimental design, Blackwell & Hodges (1957) have shown that the minimax design is the truncated binomial. In this paper we show that random allocation is a restricted Bayes design within the class of Markov designs, and is in many senses preferable to the minimax design. In particular, it is possible for the random allocation design effectively to eliminate the bias asymptotically when the minimax design does not, and in no case will random allocation have a much worse performance than the minimax.