Bias-calibrated Estimation from Sample Surveys Containing Outliers
含离群值抽样调查的偏差校准估计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：摘要明确研究有限总体分布函数和分位数估计，直接对应分位数与分布方向。
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
含离群值抽样调查的偏差校准估计
- 研究问题
- 当调查样本包含具有总体代表性的离群值时，如何估计有限总体总量、分布函数和分位数，并处理稳健估计带来的偏差？
- 方法与思路
- 作者阐释 Chambers 总量估计的偏差校准思想，将其连接到分布与分位数估计，并结合稳健估计构造校准方案。
- 材料陈述的贡献
- 摘要称提出基于偏差校准分布函数估计的替代总体总量估计量，并用小规模模拟说明这些估计方法的用途。
- 阅读关注点
- 应核对代表性离群值的定义、抽样设计与权重、稳健化和偏差校准的结合方式，以及总量、分布和分位数之间的转换。
- 阅读边界
- 仅据所给 Crossref 摘要；抽样假设、校准公式及模拟数值未说明，不能将代表性离群值直接视为应剔除的数据污染。
原文摘要
Summary We discuss the problem of estimating finite population parameters on the basis of a sample containing representative outliers. We clarify the motivation for Chambers's bias-calibrated estimator of the population total and show that bias calibration is a key idea in constructing estimators of finite population parameters. We then link the problem of estimating the population total to distribution function or quantile estimation and explore a methodology based on the use of Chambers's estimator. We also propose methodology based on the use of robust estimates and a bias-calibrated form of the Chambers and Dunstan estimator of the population distribution function. This proposal leads to a bias-calibrated estimator of the population total which is an alternative to that of Chambers. We present a small simulation study to illustrate the utility of these estimators.