A combinatorial central limit theorem for randomized orthogonal array sampling designs
随机化正交表抽样设计的组合中心极限定理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：摘要讨论计算机实验的抽样设计与通用正态近似，未提供所列计量细分领域的直接依据。
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
随机化正交表抽样设计的组合中心极限定理
- 研究问题
- 在单位立方体上计算函数均值时，采用随机化正交表选择求值点，所得样本平均值的分布以什么速度趋近正态？
- 方法与思路
- 作者研究随机化正交表设计下函数求值平均数的正态近似，将计算机实验中的积分估计问题置于组合中心极限定理框架。
- 材料陈述的贡献
- 摘要明确将研究重点放在一种随机化正交表设计的正态收敛速度，但未给出具体速度、误差界或相应的函数条件。
- 阅读关注点
- 应核对所研究正交表的具体结构、随机化机制与样本量关系，以及函数所需条件、方差退化情形和正态近似误差的度量。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明收敛速度及定理条件，不能据此认定该设计普遍优于其他抽样方式。
原文摘要
Let X be a random vector uniformly distributed on the unit cube and $f: [0, 1]^3 \to \mathsf{R}$ be a measurable function. An objective of many computer experiments is to estimate $\mu = E(f \circ X)$ by computing f at a set of points in $[0, 1]^3$. There is a design issue in choosing these points. Recently Owen and Tang independently suggested using randomized orthogonal arrays in the choice of such a set. This paper investigates the convergence rate to normality of the distribution of the average of a set of f values taken from one of these designs.