跳到正文
← 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:摘要研究列联表的随机生成与计数算法,未提供所列计量领域细分的直接证据。

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…

关注这篇论文的作者
R. B. Holmes
L. K. Jones

固定边际二维列联表的均匀生成与 Diaconis–Efron 条件体积检验

研究问题
在行列边际固定的条件下,如何均匀生成二维列联表,并利用 Monte Carlo 方法改进对这类表总数量的估计?
方法与思路
作者提出两种用于固定边际二维列联表均匀生成的 Monte Carlo 算法,摘要未展开算法步骤及其保证。
材料陈述的贡献
摘要称两种算法可改进相关已有工作,尤其是固定边际列联表总数的估计,但未说明改进幅度或比较指标。
阅读关注点
应核对均匀生成的理论保证、算法运行与误差控制,以及表数估计如何进入题名所提的条件体积检验。
阅读边界
所给为版本未注明的 OpenAlex 摘要,内容较简略;未说明算法复杂度、检验性质或数值结果,不能推断普遍效率优势。

原文摘要

Two efficient Monte Carlo algorithms are proposed for uniformlygenerating two-way contingency tables with fixed margins. These permit some improvements on recent work of Diaconis, Efron and Gangolli, especially concerning estimates of the total number of such tables.

笔记与分组
相关领域论文