Asymptotic minimaxity of the ratio strategy
比率策略的渐近极小极大性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：摘要讨论调查抽样策略的通用统计理论，未提供对应所列计量领域细分的直接依据。
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
比率策略的渐近极小极大性
- 研究问题
- 在调查抽样中，如何同时为简单随机抽样与比率估计提供理论依据，而不只论证给定抽样方案下的估计方法？
- 方法与思路
- 作者采用渐近形式的极小极大原则，将简单随机抽样与比率估计作为联合策略考察；摘要未说明风险函数及参数空间。
- 材料陈述的贡献
- 摘要称，该方法同时为简单随机抽样和比率估计提供理论论证，补充了此前贝叶斯及超总体论证未兼顾抽样方案的部分。
- 阅读关注点
- 应核对极小极大比较涵盖哪些抽样与估计策略、渐近框架如何设定，以及比率策略成立所需的总体与辅助变量条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，无法判断具体正则条件、有限样本表现或刊本变化；不能将渐近论证视为普遍最优保证。
原文摘要
The use of simple random sampling together with ratio estimation is of fundamental importance in survey sampling practice. From a theoretical point of view the ratio estimator has been justified by Bayesian methods (Ericson, 1969) and by superpopulation methods (Royall, 1970). But these methods do not yield a rigorous justification of simple random sampling at the same time. We use the minimax principle in an asymptotic version to justify both simple random sampling and ratio estimation.