Mean Integrated Squared Error Sampling
以平均积分平方误差为准则的抽样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：摘要研究一般抽样设计与分布估计，未涉及微观分布效应或其他所列应用方向，因此不作细分归类。
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
以平均积分平方误差为准则的抽样
- 研究问题
- 当分层抽样的目标是估计整个分布而非均值等单一特征时，如何以平均积分平方误差选择样本配置，并兼顾分布模型的复杂度？
- 方法与思路
- 作者以截断级数估计目标分布，将抽样准则由均方误差改为平均积分平方误差，并把级数项纳入规则推广至有限总体不放回抽样。
- 材料陈述的贡献
- 摘要称，在二元二值向量的小样本例子中，正交级数表示可降低期望误差；连续情形下，新准则与常规样本量规则可能明显不同。
- 阅读关注点
- 应核对级数基与截断规则、分层样本量如何分配，以及放回和不放回抽样的差异；特别检查两个特例的比较基准与适用条件。
- 阅读边界
- 仅据OpenAlex索引摘要，稿件版本未注明。摘要未给出一般最优配置条件或误差界，特例优势不能推广至所有分布，也不能推断刊本变化。
原文摘要
Stratified sampling is considered, where (a) the mean integrated squared error (MISE) metric is used in place of the mean squared error (MSE) metric; (b) the entire distribution [i.e., f(x)], rather than a property of the distribution [e.g., E(x)], is used as a target of the procedure; (c) the distribution f(x) is estimated by a truncated series (to counterbalance model complexity with sample size availability); and finally, (d) samples are taken both with and without replacement. In the last regard, series term inclusion rules are generalized to deal with samples taken without replacement from a finite population. Two special cases are treated in detail. The first shows that even for sample sizes as small as three and for data forms as elementary as the bivariate binary vectors, the use of orthogonal series representation can lead to smaller expected error than would be achievable through use of conventional representation and methods. The second demonstrates that in the continuous case, MISE-based and conventional sample size selection rules can differ substantially.