On the design-consistency property of hierarchical Bayes estimators in finite population sampling
有限总体抽样中层级贝叶斯估计量的设计一致性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：摘要讨论有限总体抽样与层级贝叶斯估计的一般性质，未给出所列计量细分领域的明确依据。
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
有限总体抽样中层级贝叶斯估计量的设计一致性
- 研究问题
- 有限总体均值的层级贝叶斯估计在样本量增大时趋向何处，如何据此修正估计量以满足抽样设计意义下的一致性？
- 方法与思路
- 作者把样本观测视为固定量，求取层级贝叶斯估计量的普通微积分极限，再据该极限提出修正及三种不确定性度量。
- 材料陈述的贡献
- 摘要称所得极限提示了一种实现设计一致性的简单修正方法，并为提出的估计量给出三种不同的不确定性衡量方式。
- 阅读关注点
- 应区分固定观测下的解析极限与设计随机性下的一致性，核对修正公式、总体与样本的增长方式及不确定性度量的含义。
- 阅读边界
- 仅据版本未注明的索引摘要；先验、抽样设计和修正条件未说明，也无法判断三种不确定性度量的覆盖表现或优劣。
原文摘要
We obtain a limit of a hierarchical Bayes estimator of a finite population mean when the sample size is large. The limit is in the sense of ordinary calculus, where the sample observations are treated as fixed quantities. Our result suggests a simple way to correct the hierarchical Bayes estimator to achieve design-consistency, a well-known property in the traditional randomization approach to finite population sampling. We also suggest three different measures of uncertainty of our proposed estimator.