Random Designs for Estimating Integrals of Stochastic Processes
估计随机过程积分的随机采样设计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：材料讨论随机过程积分与采样设计，没有时间序列或所列经济应用方向的直接证据。
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
估计随机过程积分的随机采样设计
- 研究问题
- 如何用随机设计下的有限观测估计多维区域上随机过程的积分，并比较不同采样设计的均方误差与一致性？
- 方法与思路
- 作者用观测的加权线性组合估计积分，允许采样点相互依赖但独立于过程，分析简单随机、分层和系统采样设计。
- 材料陈述的贡献
- 摘要称给出均方误差趋零的充要条件和固定样本量下的最优简单随机设计，并证明每个简单随机设计均有更好的分层设计。
- 阅读关注点
- 应核对过程的二阶条件、权重与采样点分布的限制，以及最优性和分层设计比较所采用的均方误差准则与设计集合。
- 阅读边界
- 仅依据稿件版本未注明的OpenAlex索引摘要；设计优势属于文中模型及比较准则，不能扩展到采样成本或其他误差指标。
原文摘要
The integral of a second-order stochastic process $Z$ over a $d$-dimensional domain is estimated by a weighted linear combination of observations of $Z$ in a random design. The design sample points are possibly dependent random variables and are independent of the process $Z$, which may be nonstationary. Necessary and sufficient conditions are obtained for the mean squared error of a random design estimator to converge to zero as the sample size increases towards infinity. Simple random, stratified and systematic sampling designs are considered; an optimal simple random design is obtained for fixed sample size; and the mean squared errors of the estimators from these designs are compared. It is shown, for example, that for any simple random design there is always a better stratified design.