Inferences on the Correlation Coefficient in Bivariate Normal Populations from Ranked Set Samples
基于排序集样本的二元正态总体相关系数推断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：摘要属于排序集抽样与相关系数估计，没有所列经济计量细分领域的明确证据。
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
基于排序集样本的二元正态总体相关系数推断
- 研究问题
- 当目测排序较容易但精确测量成本较高时，如何利用排序集样本估计二元正态总体相关系数，并降低估计的渐近方差？
- 方法与思路
- 作者推广排序集抽样，仅使用 Y 的极端观测及其伴随 X 值构造相关系数的最大似然估计，并与随机样本估计比较。
- 材料陈述的贡献
- 摘要称，只要目测排序优于随机排序，所研究估计量的渐近方差就低于随机样本对应估计量，但未报告降低幅度。
- 阅读关注点
- 应核对排序误差模型、极端观测的选取方式与似然构造，以及随机抽样比较是否控制相同测量数量和采样成本。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未给出排序误差条件或成本比较细节，不能推断任意排序设计都有同样收益。
原文摘要
Ranked set sampling was first used to obtain an improved estimate of a population mean. This technique is useful when a small random sample can be visually ordered easily and fairly accurately, but exact measurement of an observation is difficult or expensive. The sampling method is generalized and applied to estimation of the correlation coefficient ρ of a bivariate normal random vector (X, Y). The asymptotic variance of the maximum likelihood estimator of ρ based only on the extreme Y's and their concomitant X's is reduced over that from a random sample if the visual ordering is any better than random.