Asymptotic Theory of Sequential Fixed-Width Confidence Interval Procedures
序贯定宽置信区间程序的渐近理论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：摘要研究通用序贯区间理论；使用中位数本身不足以归入分位数与分布效应等经济计量细分方向。
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
序贯定宽置信区间程序的渐近理论
- 研究问题
- 对序贯定宽置信区间，若固定目标宽度而令未覆盖概率趋于零，其停止程序的渐近行为与相对效率如何分析？
- 方法与思路
- 作者提出不同于宽度趋零框架的一般渐近方法，应用于样本均值和中位数程序，并在四类分布下评价相对效率。
- 材料陈述的贡献
- 摘要称建立固定宽度、未覆盖概率趋零的新分析框架，并比较若干宽度下均值与中位数程序的渐近相对效率。
- 阅读关注点
- 应核对新渐近框架的停止规则、分布条件与效率定义，查看所选宽度和分布如何影响均值及中位数程序的比较。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明，不能推断刊本变化；摘要未报告效率数值，不能推出有限样本下的普遍优劣。
原文摘要
Consider a sequence of confidence intervals {I n }. Sequential procedures are based on stopping rules which, for specified constants w and p, terminate sampling at a value n for which I n has width approximately w and noncoverage probability approximately p. Asymptotic analyses of such procedures have previously concerned only w → 0 with p fixed. This article presents a novel and general approach for the case p → 0 with w fixed. Application is made to procedures based on the sample mean and median, and the corresponding asymptotic relative efficiencies are evaluated for selected values of w for the normal, Laplace, logistic, and uniform distributions.