On Partitioning a Sample With Binary-Type Questions in Lieu of Collecting Observations
以二元问题代替精确观测的样本划分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：摘要讨论样本搜索、排序与信息收集成本，二元提问并不构成所列离散选择模型的证据。
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…
以二元问题代替精确观测的样本划分
- 研究问题
- 在不收集精确数值的情况下，如何通过二元提问找出随机样本中最大的若干观测，并在需要时确定其顺序？
- 方法与思路
- 作者分别考虑最小化期望提问次数和最大化限定次数内完成概率，分析无序选择、排序及完整排名的最优程序。
- 材料陈述的贡献
- 摘要称获得并比较两种准则的最优程序；分析适用于任意抽样分布，但实际最优程序依赖所指定的分布。
- 阅读关注点
- 应核对二元问题允许的形式、排序目标与停止规则，并检查每次提问成本固定的设定如何影响最优性比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；非参数分析不代表程序无需分布信息。成本随受询人数变化的模型仅被简要讨论。
原文摘要
The problem is to search for the t largest observations in a random sample of size n by asking binary-type questions of the people (or items) in the sample without collecting any exact data whatever. The unordered and ordered cases are both considered; in the latter case the complete ranking is of special interest. Two different criteria of optimality are considered: (a) to minimize the expected number of questions required and (b) to maximize the probability of terminating the search in at most r questions for specified r. Optimal procedures are found and compared; in some sense the solutions for these two criteria are close to each other. The analysis is nonparametric in the sense that it holds for any underlying sampling distribution, but the actual optimal procedures depend on the specified distribution. In the above, we count (the cost of) a question as one regardless of the number of people addressed; other models in which the cost depends on the number of people are considered only briefly here and will be treated in a separate paper.