Asymptotic approximation to the expected size of a selected subset
所选子集期望规模的渐近近似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：摘要研究一般成对比较实验的子集选择，未明确涉及经济行为的离散选择模型。
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
所选子集期望规模的渐近近似
- 研究问题
- 在具有重复次数的平衡成对比较实验中，从一组对象选出的子集，其期望规模如何近似并用于优化选择设计？
- 方法与思路
- 作者给出所选子集规模期望的渐近近似，并按对象数量、重复次数、偏好概率和选择水平整理相应的期望规模表。
- 材料陈述的贡献
- 摘要称论文提供渐近近似及完整数表的部分摘录，并通过应用例子说明如何利用期望子集规模优化实验设计。
- 阅读关注点
- 应核对具体选择规则、偏好概率与选择水平的定义、渐近近似所针对的极限情形，以及设计优化采用的目标。
- 阅读边界
- 依据稿件版本未注明的 OpenAlex 索引摘要；完整数表、选择规则和近似误差未提供，不能据摘要复现设计计算。
原文摘要
An asymptotic approximation is given to the expectation of the size of a selected subset from a set of t objects, where the design is a balanced paired comparison experiment of n replicates. The paper also contains an excerpt (Table 4) of a table of expected sizes of the selected subset, expressed as proportions of t. The complete set of tables, which may be obtained by writing to the author, includes entries for combinations of t = 3(1) 20, n = 1(1)20(5)50(10)100 and preference probabilities p = 0.60(0.10)1.00 at each level of selection P* 0.75, 0.90, 0.95, 0.975, 0.99. Examples of applications are directed towards an optimization of designs for selection.