Optimal and Robust Strategies for Cluster Sampling
整群抽样的最优与稳健策略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：摘要聚焦抽样设计与有限总体预测，未明确对应所列计量领域细分。
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
整群抽样的最优与稳健策略
- 研究问题
- 如何将最优和稳健抽样策略扩展到整群抽样，并刻画特定超总体模型下有限总体总量预测的方差下界？
- 方法与思路
- 作者将已有最优与稳健抽样策略的结果推广至整群抽样，并在某些超总体模型类下研究最佳线性无偏预测的方差。
- 材料陈述的贡献
- 摘要明确陈述两项贡献：整群抽样策略的理论扩展，以及有限总体总量最佳线性无偏预测量的模型方差下界。
- 阅读关注点
- 应核对超总体模型类、群内相关如何进入分析，以及最优和稳健的定义、所允许的抽样策略与方差下界条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引短摘要；模型、策略构造和证明条件均未提供，不能判断实际稳健性或改进幅度。
原文摘要
This article extends Royall's (1992) results on optimal and robust sampling strategies to cluster sampling. It also gives the lower bound on the model-based variances of best linear unbiased predictors of finite population totals under certain classes of superpopulation models.