Some Estimators of a Population Total From Simple Random Samples Containing Large Units
含大型单位的简单随机样本下总体总量的若干估计量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：摘要研究简单随机抽样中的总体总量与权重调整，没有分位数、分布效应或其他所列细分方向的直接证据。
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…
含大型单位的简单随机样本下总体总量的若干估计量
- 研究问题
- 简单随机样本中少数大型或极端单位会影响总体总量估计，如何在抽中并识别这些单位后调整权重，以评估估计误差？
- 方法与思路
- 作者考察三种改变通常抽样权重的总量估计量，以常规估计量与这些估计量的均方误差之比衡量效率，并进行数值研究。
- 材料陈述的贡献
- 摘要称，论文提供三种权重调整估计量及其基于均方误差比的效率分析，并讨论数值研究；未给出统一占优的结论。
- 阅读关注点
- 应核对大型单位的识别规则、三种权重调整方式，以及调整产生的偏差与方差变化和效率比较依赖的总体条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要；大型单位阈值、估计公式和数值结果均未说明，不能把真实大型单位直接视为错误数据。
原文摘要
The problem considered is the estimation of the population total of some characteristic from a simple random sample containing a few large or extreme observations. The effect of these large units in the sample is to distort the estimate of the population total. It is therefore important to correct the weights for such units or deflate their values at the estimation stage once they have been sampled and identified as unusually large units. In this paper, three estimators that alter the usual sampling weights have been considered. The efficiencies of these estimators have been worked out in terms of the ratio of the mean squared error of the usual estimator of the population total to the mean squared error of these estimators. A numerical study of these estimators is also discussed.