An Asymptotic Expansion for Samples from a Finite Population
有限总体抽样分布的渐近展开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：摘要研究有限总体无放回抽样的高阶分布近似，未提供对应所列因果、宏观或金融细分领域的证据。
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…
关注这篇论文的作者
有限总体抽样分布的渐近展开
- 研究问题
- 从有限总体中随机无放回抽样时，如何对标准化样本均值的分布进行高阶近似，并与形式上的 Edgeworth 展开建立联系？
- 方法与思路
- 作者通过近似标准化样本和的特征函数，推导标准化样本均值分布函数的渐近展开，展开给到总体规模倒数即 1/n 阶。
- 材料陈述的贡献
- 摘要称所得展开与形式上的 Edgeworth 展开一致，并提供基于特征函数近似的证明，针对无放回抽样的有限总体设定。
- 阅读关注点
- 应核对样本量与总体规模的渐近关系、总体矩及其他正则条件，并区分展开保留至 1/n 阶与余项控制的具体表述。
- 阅读边界
- 材料为版本未注明的 OpenAlex 索引摘要；未说明余项界、适用条件或有限样本精度，不能将展开阶数视为普遍误差保证。
原文摘要
An asymptotic expansion is obtained for the distribution function of the standardized mean of a sample of $s$ observations taken randomly without replacement from a finite population of $n$ numbers. The expansion is given to order $1/n$ and agrees with the formal Edgeworth expansion. The proof of the result is obtained using an approximation to the characteristic function of the standardized sum.