On the Bias and Mean Square Error of the Ratio Estimator
比率估计量的偏差与均方误差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：摘要属于比率估计的通用误差分析，未提供给定经济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
比率估计量的偏差与均方误差
- 研究问题
- 比率估计量偏差与均方误差的常用近似，在传统推导所依赖的样本条件难以普遍满足时，能否仍获得理论依据和误差控制？
- 方法与思路
- 作者重新考察常用偏差与均方误差近似的合理性，并给出近似值偏离真实值的界；摘要中的估计量和原假设公式有缺失。
- 材料陈述的贡献
- 摘要称，论文为继续使用比率估计量的通常近似提供论证，并给出近似误差界，但未展示界的表达式和大小。
- 阅读关注点
- 应先查原 PDF 恢复比率估计量及缺失的传统假设，再核对新论证所需条件、误差界依赖的量及其实际紧致程度。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；关键数学表达式缺失，不能重构假设或据此推导近似的有效范围。
原文摘要
In deriving the bias and mean square error of the ratio estimator , it is generally assumed that for all possible samples. This assumption is, however, unlikely to be satisfied except in special situations. This article presents a justification for the use of the usual approximations to the bias and mean square error of . Bounds for the deviations of the approximations from the true values are also given.