Saddlepoint expansions in finite population problems
有限总体问题中的鞍点展开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：摘要属于有限总体抽样的一般分布近似理论，没有所列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
有限总体问题中的鞍点展开
- 研究问题
- 在有限总体中进行随机不放回抽样时，如何用鞍点方法近似样本均值的分布，并考察其渐近性质及推广可能性？
- 方法与思路
- 作者针对随机不放回抽样的样本均值推导鞍点近似，研究渐近性质，通过数值例子展示精度，并讨论更一般统计量的扩展。
- 材料陈述的贡献
- 摘要称数值例子显示该近似具有很高精度，同时给出渐近分析并讨论扩展；摘要未列出误差阶或其他统计量的完整结果。
- 阅读关注点
- 应核对有限总体与抽样比例的渐近设定、近似公式的存在条件、尾部和离散性处理，以及扩展部分哪些结果得到正式证明。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；高精度陈述基于未详述的数值例子，不能推断统一误差保证或所有统计量的适用性。
原文摘要
Saddlepoint approximations are derived for the sample mean in the case where samples are obtained randomly without replacement from a finite population. Asymptotic properties are investigated. The great accuracy is demonstrated by numerical examples. Extensions to more general statistics are discussed.