첫 후보와 경쟁 후보
먼저 사후모형을 표집해 그 모형의 최적 후보 I를 고른다. 확률 β로 I를 측정하고, 나머지 확률로는 I와 다른 최적 후보가 나올 때까지 사후모형을 다시 표집해 얻은 J를 측정한다. 실제 보상을 관측하기 전의 내부 표집 단계다. 사후 최적 확률이 큰 두 후보를 정렬해 고르는 방식과 구별된다.
조건부 확률의 계산
A,B,C가 최적일 사후확률이 0.8,0.15,0.05라고 하자. 첫 후보가 A였다는 조건에서 다른 후보를 얻으면 B일 확률은 0.15/0.2=0.75, C일 확률은 0.25다. β=0.5이면 이 조건 아래 실제 측정 확률은 A가 0.5,B가 0.375,C가 0.125다. 첫 후보 자체도 무작위이므로 이를 전체 무조건부 확률로 읽지 않는다.
일반 톰프슨 표집과의 차이
일반 톰프슨 표집은 현재 최적으로 믿는 확률이 높아질수록 그 후보를 더 자주 측정한다. 최종 추천을 확신하려는 문제에서는 다른 후보가 더 좋을 가능성을 배제할 관측도 필요하다. 탑투 방식은 이를 위해 경쟁 후보를 지속적으로 측정한다. β는 가장 좋아 보이는 쪽과 대안 쪽에 얼마만큼 배분할지 조절한다.
구현과 보장의 전제
한 후보의 사후 최적 확률이 1에 가까우면 다른 후보가 나올 때까지의 재표집이 오래 걸릴 수 있다. 사후분포 근사와 수치적인 퇴화도 고려해야 한다. 표집 규칙과 표본 수가 언제 충분한지 판단하는 종료 규칙은 별개다. 점근적인 식별 속도에 대한 결과를 유한 표본에서 오류가 없다는 뜻으로 해석하지 않는다.