Concomitants of Multivariate Order Statistics With Application to Judgment Poststratification
多元次序统计量的伴随变量及其判断后分层应用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：摘要研究次序统计量与判断后分层抽样的均值估计，未讨论分位数效应或其他所列经济计量细分主题。
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…
多元次序统计量的伴随变量及其判断后分层应用
- 研究问题
- 如何把次序统计量的伴随变量推广到多元情形，并利用辅助变量的排序类别构造判断后分层样本的均值估计量？
- 方法与思路
- 作者给出多元伴随变量密度的一般表达及相关性质，详细研究正态随机向量及其矩计算，再将理论用于后分层均值估计。
- 材料陈述的贡献
- 摘要称，新估计量比现有方法更有效率，对偏离正态假设具有稳健性，并适合重视调查成本效率的应用。
- 阅读关注点
- 应核对多元排序及伴随变量的定义、后分层样本设计，以及效率比较与非正态稳健性分别依赖的条件和证据。
- 阅读边界
- 依据版本未注明的 OpenAlex 索引摘要；排序机制、效率数值及稳健性范围未说明，不能据此认定其适用于任意抽样设计。
原文摘要
We generalize the definition of a concomitant of an order statistic in the multivariate case, develop general expressions for its density, and establish related properties. We study the concomitant of a normal random vector in detail and discuss methods for calculating its moments. Furthermore, we apply the theory to develop new estimators of the mean from a judgment poststratified sample, where poststrata are formed by rank classes of auxiliary variables. Our estimators are shown to be more efficient than existing ones and robust against violations of the normality assumption. They are also well suited to applications requiring cost efficiency.