Optimal Randomization for Experiments in which Autocorrelation is Present
存在自相关时实验的最优随机化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：摘要直接讨论实验处理的随机分配及处理均值比较，属于因果研究中的实验设计方法。
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
存在自相关时实验的最优随机化
- 研究问题
- 当实验单位具有线性或空间排列且存在自相关时，怎样安排处理分配，才能降低处理均值线性对比的方差？
- 方法与思路
- 作者研究按单位排列进行系统性处理分配；在线性排列中周期性配置各处理，在空间排列中采用相应系统抽样方案。
- 材料陈述的贡献
- 摘要称系统性安排可最小化处理均值线性对比的方差，并分别描述线性排列与空间排列下的最优随机化形式。
- 阅读关注点
- 应核对最优性依赖的相关结构、允许的随机化集合及随机起点安排，以及不同处理均值对比是否共享最优方案。
- 阅读边界
- 仅据版本未注明的索引摘要；摘要未说明自相关形式和最优性的完整条件，不能推广至任意空间依赖或处理干扰。
原文摘要
For a linear or spatial ordering of the experimental units, systematic methods of applying the treatments to the experimental units minimize the variance of linear contrasts of treatment means. In the linear ordering the optimal randomization scheme for the application of k treatments is to apply a treatment to every kth experimental unit, the equivalent of systematic sampling in the sampling literature. In the spatial ordering the optimal randomization schemes are equivalent to Quenouille's (1949) systematic aligned or unaligned spatial sampling schemes.