On Distributional Discrepancy for Experimental Design with General Assignment Probabilities
一般处理分配概率下实验设计的分布差异问题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。
本页为预印本版本；arXiv 收录、作者填写的期刊信息以及作者既有发表经历，都不单独证明本篇已接收。作者发表记录按 OpenAlex 身份与完整姓名、本站覆盖期刊 ISSN 及正式卷期核对，只展示已核实例，档案仍可能误合并。
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：摘要直接研究随机对照试验的处理分配设计，并以平均处理效应估计的最坏情形均方误差作为设计目标。
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
一般处理分配概率下实验设计的分布差异问题
- 研究问题
- 随机试验中处理与对照分配概率相等或不等时，如何通过分布差异优化改进设计，并降低平均处理效应估计的最坏情形误差？
- 方法与思路
- 作者分析分布差异最小化的计算难度，提出乘法权重更新算法，并据此构造实验分配设计，再通过模拟与常用设计比较。
- 材料陈述的贡献
- 摘要称，特定常数误差内的近似求解是 NP-hard；新算法改善不等分配概率情形，并降低效应估计的最坏情形均方误差。
- 阅读关注点
- 应核对分布差异与估计误差的对应关系、复杂性结论的误差常数，以及设计的随机性约束和算法改进所采用的比较标准。
- 阅读边界
- 这是 arXiv 预印本，同行评审及期刊接收未获验证；摘要未说明误差界的具体条件、算法复杂度或模拟改进的数值幅度。
原文摘要
We investigate experimental design for randomized controlled trials (RCTs) with both equal and unequal treatment-control assignment probabilities. Our work makes progress on the connection between the distributional discrepancy minimization (DDM) problem introduced by Harshaw et al. (2024) and the design of RCTs. We make two main contributions: First, we prove that approximating the optimal solution of the DDM problem within a certain constant error is NP-hard. Second, we introduce a new Multiplicative Weights Update (MWU) algorithm for the DDM problem, which improves the Gram-Schmidt walk algorithm used by Harshaw et al. (2024) when assignment probabilities are unequal. Building on the framework of Harshaw et al. (2024) and our MWU algorithm, we then develop the MWU design, which reduces the worst-case mean squared error in estimating the average treatment effect. Finally, we present a comprehensive simulation study comparing our design with commonly used designs.