Optimality of Royall's Predictor Under a Gaussian Superpopulation Model
高斯超总体模型下 Royall 预测量的最优性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：摘要研究有限总体抽样中的总量预测最优性，未涉及宏观预测或金融收益预测，不能仅凭预测量一词归类。
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
高斯超总体模型下 Royall 预测量的最优性
- 研究问题
- 在协方差矩阵仅要求对称正定的高斯超总体模型下，Royall 的有限总体总量预测量是否仍具有无偏及最小均方误差性质？
- 方法与思路
- 作者在一般对称正定协方差矩阵的高斯超总体设定下，考察基于模型的总体总量预测量，并论证其最优性。
- 材料陈述的贡献
- 摘要称，证明 Royall 预测量具有无偏和最小均方误差性质，将此前在更严格假设下得到的结果推广到更一般协方差。
- 阅读关注点
- 应核对无偏性的概率依据、参与最优性比较的预测量类别，以及抽样机制与协方差矩阵是否被视为已知。
- 阅读边界
- 仅据 OpenAlex 索引摘要，稿件版本未注明；结论依赖高斯超总体模型，摘要未说明模型错设或协方差估计时的性质。
原文摘要
This note shows that under the assumption of a Gaussian superpopulation model with a general symmetric and positive-definite covariance matrix, the model-based predictor of Royall (1976) is the unbiased minimum mean squared error predictor of the total of a given finite population. This somewhat anticipated result is a generalization of recent published work in which it was derived under more restrictive assumptions.