Non-Parametric Bayesian Models for Samples from Finite Populations
有限总体样本的非参数贝叶斯模型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：摘要明确将方法用于总体百分位数估计，与分位数方向直接相关，但未涉及经济分布效应。
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
有限总体样本的非参数贝叶斯模型
- 研究问题
- 如何从非参数贝叶斯角度解释有限总体均值的常用估计与区间，并进一步估计总体百分位数及其区间？
- 方法与思路
- 作者将 Ferguson 的非参数先验用于有限总体分析，讨论简单与分层随机抽样，并将模型用于总体百分位数估计。
- 材料陈述的贡献
- 摘要称常用均值估计和置信区间至少在渐近意义下可获贝叶斯解释，并提出分层抽样中新的区间估计程序。
- 阅读关注点
- 应核对先验与有限总体的对应方式、贝叶斯解释成立的渐近条件，以及百分位数估计和新分层区间的具体构造。
- 阅读边界
- 仅据 Crossref 摘要，先验设定和区间性质未完整说明；渐近解释不能直接视为有限样本下贝叶斯与频率学派区间一致。
原文摘要
Summary Using Ferguson's (1973) non-parametric priors in a Bayesian analysis of finite populations, we show that asymptotically, at least, the usual estimates and confidence intervals for the population mean in simple and stratified random samples can be justified in Bayesian terms. We then apply these models for estimating population percentiles, and a new procedure for interval estimates in stratified sampling is developed.