A New Predictive Product Estimator
一种新的预测型乘积估计量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：摘要中的预测指总体均值的抽样估计，未涉及宏观预测或金融收益预测，故不选相关标签。
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
一种新的预测型乘积估计量
- 研究问题
- 如何构造具有预测性质的总体均值乘积估计量，并分别在超总体模型与抽样理论框架下评价其偏差和均方误差？
- 方法与思路
- 作者提出预测型乘积估计量，在某个超总体模型下分析无偏性与均方误差，并从抽样理论角度与其他估计量比较。
- 材料陈述的贡献
- 摘要称，该估计量在特定超总体模型下具有无偏和最小均方误差性质，在抽样理论框架下也常比竞争方法偏差更小。
- 阅读关注点
- 应核对乘积估计量的定义、超总体模型与比较范围，以及模型下的最优性和抽样设计下的偏差结论如何区分。
- 阅读边界
- 仅据稿件版本未注明的 OpenAlex 索引摘要，超总体模型和比较方法未说明，“常较小”不能解释为普遍优势。
原文摘要
A product estimator of the population mean which is predictive in character is proposed. Although optimal in the sense of unbiasedness and minimum mean squared error under a certain superpopulation model, the estimator is frequently less biased than its competitors under a sampling theoretic approach.