Sequential Monte Carlo p -values
序贯 Monte Carlo p 值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：摘要讨论通用模拟检验及计算方法，未提供所列计量领域细分的直接依据。
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
序贯 Monte Carlo p 值
- 研究问题
- Monte Carlo 显著性评估计算昂贵时，能否通过序贯抽样得到精确 p 值，并在仅方便使用马尔可夫链生成模拟值时保持检验性质？
- 方法与思路
- 作者讨论标准和广义 Monte Carlo 程序下的多种序贯抽样方法，并提出一种处理马尔可夫链必须条件经过观测数据的序贯方案。
- 材料陈述的贡献
- 摘要称，所得序贯精确 p 值具有与固定模拟样本量 p 值相似的性质，并提供适用于特定马尔可夫链模拟情形的方法。
- 阅读关注点
- 应核对精确性的定义、停止规则与 p 值校准之间的关系，以及马尔可夫链条件经过观测数据的构造和所需条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要，具体停止准则、精确性条件及计算节省幅度未说明，不能理解为任意提前停止均保持有效。
原文摘要
SUMMARY The assessment of statistical significance by Monte Carlo simulation may be costly in computer time. This paper looks at a number of ways of calculating exact Monte Carlo p-values by sequential sampling. Such p-values are shown to have properties similar to those obtained by sampling with a fixed sample size. Both standard and generalized Monte Carlo procedures are discussed and, in particular, a sequential method is proposed for dealing with situations in which values can only be conveniently generated using a Markov chain, conditioned to pass through the observed data.