On the Completeness of the Class of Fixed Size Sampling Strategies
固定样本量抽样策略类的完备性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：摘要属于抽样设计与统计决策理论，未提供归入所列计量细分方向的明确依据。
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
固定样本量抽样策略类的完备性
- 研究问题
- 在简单随机抽样并以样本均值估计的策略中，采用固定或近乎固定样本量的较小策略类在何种损失条件下完备？
- 方法与思路
- 作者从抽样设计与估计量共同组成的策略出发，比较策略类，并考察损失函数及其二阶导数的凸性条件。
- 材料陈述的贡献
- 摘要称损失函数仅有凸性不足以保证较小策略类完备，而严格凸性结合二阶导数凸性构成其完备性的充分条件。
- 阅读关注点
- 应核对完备性采用的决策论定义、较大策略类的范围、近乎固定样本量的含义，以及充分条件证明的适用边界。
- 阅读边界
- 仅据版本未注明的OpenAlex摘要，策略空间和损失函数的完整条件未说明；不能将充分条件解释为必要条件或唯一最优策略。
原文摘要
A sampling strategy consists of a sampling design and an estimator. Of special importance are strategies combining simple random sampling with the sample mean as an estimator. We consider this class of strategies and the smaller class of strategies with simple random sampling of (almost) fixed sample size. The convexity of the underlying loss function does not imply the completeness of the smaller class. However the strict convexity of the loss function together with the convexity of its second derivative, is sufficient for this completeness.