Exact sampling and counting for fixed-margin matrices
固定边际和矩阵的精确抽样与计数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：摘要涉及固定边际矩阵与列联表的通用计算问题，未明确涉及网络干扰或其他所列经济计量细分。
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
固定边际和矩阵的精确抽样与计数
- 研究问题
- 对于行和与列和已固定的二元或非负整数矩阵，如何从均匀原假设分布精确抽样，并计算满足约束的矩阵数量？
- 方法与思路
- 作者利用固定边际矩阵问题中的某些对称性开展精确抽样和计数，并以生态共现矩阵与列联表等实际数据展示。
- 材料陈述的贡献
- 摘要称，尽管该均匀分布的抽样通常困难，利用对称性仍可在许多非平凡实际案例中实现精确抽样与计数。
- 阅读关注点
- 阅读全文时应核对所利用的对称性、算法适用的边际配置、计算复杂度，以及精确均匀抽样与计数的保证。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；精确性不等于任意规模都可高效计算，矩阵形式也不足以推断网络应用。
原文摘要
The uniform distribution on matrices with specified row and column sums is often a natural choice of null model when testing for structure in two-way tables (binary or nonnegative integer). Due to the difficulty of sampling from this distribution, many approximate methods have been developed. We will show that by exploiting certain symmetries, exact sampling and counting is in fact possible in many nontrivial real-world cases. We illustrate with real datasets including ecological co-occurrence matrices and contingency tables.