On Uniformly Minimum Variance Estimation in Finite Populations
有限总体中的一致最小方差估计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：摘要聚焦有限总体抽样与无偏估计理论，未明确涉及面板、因果或其他所列细分方向。
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
有限总体中的一致最小方差估计
- 研究问题
- 有限总体均值的最小方差无偏估计结论，如何从忽略标签的估计框架推广到更一般的固定有效样本量抽样设计？
- 方法与思路
- 作者比较传统方法与 scale-load 方法，说明两种证明路径的结果一致性可延伸至更一般的有限总体抽样设置。
- 材料陈述的贡献
- 摘要称，对给定的固定有效样本量设计，Horvitz–Thompson 估计具有一致最小方差无偏性质，并联系两种证明方法。
- 阅读关注点
- 应核对“忽略标签”和“固定有效样本量”的定义、允许比较的无偏估计量类，以及推广结论依赖的设计条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 摘要；估计量类与设计限制未完整说明，不能声称所有抽样设计下均具有该最优性。
原文摘要
In the literature one finds (at least) two approaches towards proving that the sample mean is uniformly minimum variance (UMV), among unbiased estimates that "ignore the labels," for the finite population mean: The "traditional approach" and the "scale-load approach." The identity of results under the two approaches extends to a more general setting, as shown in this paper: The Horvitz-Thompson estimate is UMV unbiased for any given fixed effective size design.