Improving the fully sequential sampling scheme of Anscombe-Chow-Robbins
改进 Anscombe–Chow–Robbins 完全序贯抽样方案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：摘要研究通用序贯抽样与均值区间构造，未直接涉及所列经济计量细分领域。
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
改进 Anscombe–Chow–Robbins 完全序贯抽样方案
- 研究问题
- 能否在保持与完全序贯抽样近似样本量的同时减少抽样操作？摘要以未知方差正态总体均值的固定宽度置信区间为例。
- 方法与思路
- 作者提出先抽取初始批次，再进行至多指定次数的数据依赖批量抽样，最后逐个抽样，并采用数据依赖的停止规则。
- 材料陈述的贡献
- 摘要称，新方案所需样本量与原完全序贯方案大致相同，但抽样操作显著减少；未知方差正态均值区间用于说明该方案。
- 阅读关注点
- 应核对批次大小与停止规则的定义、区间覆盖率保障，以及样本量和操作次数比较采用的渐近标准或有限样本标准。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；摘要未给出减少操作的幅度、覆盖率条件或成本模型，不能认定适用于任意总体。
原文摘要
A new sequential sampling scheme is proposed in which, after an initial batch sample, sampling is continued in batches of data-dependent sizes (at most k such batches), and then one-at-a-time with a data-dependent stopping rule. This new scheme requires about the same sample size as the fully sequential Anscombe-Chow-Robbins (ACR) sampling scheme but substantially fewer sampling operations. The problem of constructing fixed-width confidence intervals for the mean of a normal population with unknown variance is used as an illustration.