On Sampford's Procedure of Unequal Probability Sampling Without Replacement
论 Sampford 不等概率不放回抽样程序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：摘要属于有限总体抽样与总量估计理论，未明确对应用户列出的经济计量细分。
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
论 Sampford 不等概率不放回抽样程序
- 研究问题
- 在纳入概率与总体单位规模成比例的不放回抽样中，采用 Horvitz–Thompson 总量估计时，两种抽样程序的效率如何比较？
- 方法与思路
- 作者以 Horvitz–Thompson 总量估计量为比较对象，研究 Sampford 与 Goodman–Kish 抽样程序，并联系此前相关比较结果。
- 材料陈述的贡献
- 摘要称，论文证明 Sampford 程序比 Goodman–Kish 程序更有效率，并将此前针对 Durbin 程序的比较结果加以推广。
- 阅读关注点
- 应核对效率比较采用的判据、规模变量与样本量的限制，以及推广结果的精确范围和两种抽样程序的实施细节。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；摘要未列出效率结论的完整条件或证明，不能扩展为对其他估计量的优越性判断。
原文摘要
Among the unequal probability sampling without replacement procedures applicable for arbitrary sample size, those of Goodman and Kish and of Sampford are relatively simple to operate besides satisfying the criterion that the inclusion probability of each population unit is proportional to its size. Considering the Horvitz-Thompson estimator for estimating the population total, we show in this paper that Sampford's procedure is more efficient than the Goodman and Kish procedure. Our result is a generalization of Rao's result wherein he compared Durbin's procedure with that of Goodman and Kish.