Sequential Tests for Hypergeometric Distributions and Finite Populations
超几何分布与有限总体的序贯检验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：摘要研究有限总体抽样与序贯检验，选举预测是应用动机，不能据此归入宏观预测或时间序列方向。
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
超几何分布与有限总体的序贯检验
- 研究问题
- 从有限总体不放回抽样产生依赖观测时，如何开展序贯检验，并处理相对于独立同分布分析的有限总体差异？
- 方法与思路
- 作者建立一般弱收敛定理用于检验的渐近分析，详细研究超几何总体，提出三角形继续抽样区域及有限总体修正原则。
- 材料陈述的贡献
- 摘要称给出弱收敛结果和具有多种良好性质的简单检验，并提出适用于序贯检验与固定宽度区间估计的启发式修正原则。
- 阅读关注点
- 应核对弱收敛条件、三角形继续抽样区域的构造与停止规则，以及已证明的检验性质和启发式修正原则之间的区别。
- 阅读边界
- 仅据所给 OpenAlex 索引摘要，稿件版本未注明；摘要未列出误差概率或样本量结论，修正原则不能直接视为普遍定理。
原文摘要
While usual sequential analysis deals with i.i.d. observations, this paper studies sequential tests for the dependent case of sampling without replacement from a finite population. A general weak convergence theorem is obtained and it is applied to the asymptotic analysis of the tests. Motivated by such applications as election predictions and acceptance sampling, the case of hypergeometric populations is studied in detail and a simple test with a triangular continuation region is proposed and is shown to have many nice properties. The paper concludes with a general heuristic principle of "finite-population correction" which is applicable to both sequential testing and fixed-width interval estimation problems.