跳到正文
← 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:摘要属于抽样调查与一般相关模型的最优估计,相关性本身不足以归入面板或网络计量。

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
RAHUL MUKERJEE
S. SENGUPTA

一般相关模型下有限总体总量的最优估计

研究问题
在样本量固定且仅考虑线性无偏估计时,如何在一般相关超总体模型下选择总体总量估计量及最优抽样策略?
方法与思路
作者利用最优试验理论中的技术,在给定估计量与抽样设计类别内,寻找模型期望方差最小的估计及策略。
材料陈述的贡献
摘要称给出一般相关超总体模型下的最优估计与策略求解方法,并将若干此前的最优性结果推导为特例。
阅读关注点
应核对无偏性的定义、相关超总体模型的设定、允许的抽样设计类别,以及最优策略是否存在和如何计算。
阅读边界
仅据版本未注明的索引摘要;协方差结构与求解条件未说明,最优性限于固定样本量和线性无偏估计等所述范围。

原文摘要

Restricting attention to fixed size sampling designs and linear unbiased estimators of a finite population total, we give methods for finding estimators with minimum model expected variance and the optimal strategy under a general correlated superpopulation model. Some techniques popular in the theory of optimal experiments help in the derivation. Several earlier optimality results are deduced as special cases.

笔记与分组
相关领域论文