A New Ranked Set Sample Estimator of Variance
一种新的排序集抽样方差估计量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：摘要研究抽样设计下的总体方差估计，没有金融波动率或其他所列领域的直接内容，不能仅凭方差一词分类。
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…
一种新的排序集抽样方差估计量
- 研究问题
- 如何利用排序集抽样无偏估计总体方差，并评估其相对简单随机抽样及既有排序集估计量的效率，同时检验判断排序是否有效？
- 方法与思路
- 作者构造基于排序集样本的方差估计量，与简单随机样本及既有排序集方差估计量比较，并提出判断排序过程有效性的检验。
- 材料陈述的贡献
- 摘要称，新估计量无偏，优于简单随机抽样的方差估计且比所比较的既有排序集估计量更有效率，并给出排序有效性检验。
- 阅读关注点
- 应核对排序集抽样设计、排序误差如何进入分析、无偏性和效率比较的条件，以及排序有效性检验的原假设和有限样本表现。
- 阅读边界
- 仅据所给 Crossref 摘要，效率衡量方式、排序准确性假设和检验性质未说明，不能将摘要中的优势推广至任意总体与排序过程。
原文摘要
Summary We develop an unbiased estimator of the variance of a population based on a ranked set sample. We show that this new estimator is better than estimating the variance based on a simple random sample and more efficient than the estimator based on a ranked set sample proposed by Stokes. Also, a test to determine the effectiveness of the judgment ordering process is proposed.