Bayesian Inference for Finite Population Parameters in Multistage Cluster Sampling
多阶段整群抽样中有限总体参数的贝叶斯推断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：摘要属于有限总体调查抽样与贝叶斯估计理论，缺乏所列领域细分的直接证据。
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
多阶段整群抽样中有限总体参数的贝叶斯推断
- 研究问题
- 在多阶段整群抽样中，如何对有限总体元素的一般线性函数进行贝叶斯预测推断，并评价估计量的频率学风险？
- 方法与思路
- 作者在适用于多阶段调查的模型下构造后验均值，将其与一类线性估计量比较，并研究先验参数变化对推断的影响。
- 材料陈述的贡献
- 摘要称，后验均值在指定线性估计量类别中具有最小有界均方误差性质，并详细讨论三阶段抽样及先验敏感性。
- 阅读关注点
- 应核对总体模型、抽样机制与先验设定，以及线性估计量类别和“最小有界均方误差”的定义、比较范围及证明条件。
- 阅读边界
- 依据 OpenAlex 索引摘要，稿件版本未注明；摘要未说明模型和先验的具体形式，所述最优性不能扩展到任意抽样设计。
原文摘要
Assuming a model appropriate for many multistage sample surveys, Bayesian predictive inference for a general linear function, ω, of the finite population elements is described. In a broad class of linear estimators of ω, the posterior mean, E″(ω), of ω is shown to have the optimal frequentist property of minimal bounded mean squared error. For the special case of three-stage sampling, E″(ω) is described in detail. Also presented are the results of an investigation of the effect on inferences of alteration of the values of some parameters in the prior distribution.