Orthogonal decomposition of finite population statistics and its applications to distributional asymptotics
有限总体统计量的正交分解及分布渐近应用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：摘要是有限总体抽样与统计量渐近理论，没有直接涉及所列经济计量细分方向。
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
有限总体统计量的正交分解及分布渐近应用
- 研究问题
- 从有限总体无放回抽样时，如何利用对称统计量的正交分解改进分布近似，并分析刀切法方差估计的有效性？
- 方法与思路
- 作者建立有限总体对称统计量的正交分解，将其用于单项 Edgeworth 展开、Efron–Stein 不等式及刀切方差估计的一致性分析。
- 材料陈述的贡献
- 摘要称，文章给出渐近正态对称统计量的分布展开和方差估计结果，并为 Wu 的刀切直方图提供二阶几乎处处近似。
- 阅读关注点
- 应核对总体规模与样本量的渐近关系、正交分解的归一化、展开的余项控制，以及刀切法一致性和二阶近似的条件。
- 阅读边界
- 仅据版本未注明的索引摘要；抽样比例、矩条件及展开的具体形式未说明，不能将结论无条件推广至所有有限总体统计量。
原文摘要
We study orthogonal decomposition of symmetric statistics based on samples drawn without replacement from finite populations. Several applications to finite population statistics are given:we establish one-term Edgeworth expansions for general asymptotically normal symmetric statistics, prove an Efron-Stein inequality and the consistency of the jackknife esti- mator of variance. Our expansions provide second order a.s. approximations to Wu’s jackknife histogram.