Mean Integrated Squared Error Sampling
基于平均积分平方误差的抽样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：摘要研究一般抽样设计和分布估计，未涉及经济变量的分布效应或其他所列细分的明确对象。
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
基于平均积分平方误差的抽样
- 研究问题
- 当分层抽样的目标是估计整个分布而非均值等单个特征时，使用平均积分平方误差会如何改变级数截断和样本量选择？
- 方法与思路
- 作者以平均积分平方误差为准则，用截断级数估计分布，研究有放回与无放回抽样，并推广有限总体下的级数项纳入规则。
- 材料陈述的贡献
- 摘要称，两个特例展示了正交级数可降低预期误差，以及连续情形下该准则与常规样本量选择规则可能产生显著差异。
- 阅读关注点
- 阅读时应核对分层配置、级数基底和截断规则，以及有限总体修正、误差比较基准和两个特例对一般情形的启示范围。
- 阅读边界
- 所据为 OpenAlex 索引摘要，稿件版本未注明；小样本误差改善来自特例，摘要未给出一般优势条件，也未提供可直接实施的样本量公式。
原文摘要
Stratified sampling is considered, where (a) the mean integrated squared error (MISE) metric is used in place of the mean squared error (MSE) metric; (b) the entire distribution [i.e., f(x)], rather than a property of the distribution [e.g., E(x)], is used as a target of the procedure; (c) the distribution f(x) is estimated by a truncated series (to counterbalance model complexity with sample size availability); and finally, (d) samples are taken both with and without replacement. In the last regard, series term inclusion rules are generalized to deal with samples taken without replacement from a finite population. Two special cases are treated in detail. The first shows that even for sample sizes as small as three and for data forms as elementary as the bivariate binary vectors, the use of orthogonal series representation can lead to smaller expected error than would be achievable through use of conventional representation and methods. The second demonstrates that in the continuous case, MISE-based and conventional sample size selection rules can differ substantially.