Some asymptotic results for the systematic and stratified sampling of a finite population
有限总体系统抽样与分层抽样的若干渐近结果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：摘要研究有限总体调查抽样的渐近性质，未直接对应所列领域细分。
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
有限总体系统抽样与分层抽样的若干渐近结果
- 研究问题
- 按辅助规模变量排序进行系统抽样或规模分层随机抽样时，样本均值的模型偏差、设计一致性与估计效率如何？
- 方法与思路
- 作者在研究变量与辅助规模变量的多类函数关系下分析样本均值，并比较系统抽样、层内随机抽样及其他估计策略。
- 材料陈述的贡献
- 摘要称两类抽样下样本均值的模型偏差渐近可忽略，层内随机抽样还具设计一致性，并讨论更高效的估计策略。
- 阅读关注点
- 应核对有限总体渐近序列、允许的函数关系、排序与分层规则，以及模型偏差可忽略和设计一致性的不同条件。
- 阅读边界
- 仅据版本未注明的 OpenAlex 索引摘要，不能推断刊本变化；具体正则条件未说明，不能给系统抽样直接加上设计一致性。
原文摘要
A sample mean has an asymptotically insignificant model bias under a broad set of functional relationships between the parameter of interest and an auxiliary size variable given a systematic sample from a size ordered list. When based on randomly drawn samples within size strata, this estimator of the population mean not only has an asymptotically insignificant model bias but is design consistent as well. In addition, there are more efficient estimation strategies that have insignificant model biases and may be design consistent.