我们可以使用链接到您的Project Euclid帐户的电子邮件地址帮助您重置密码。
假设实数$y_i$与总体$U$的单位$i=1,2,\ldots,N$相关联,向量$y=(y_1,y_2,\ldot,y_N)$已知为参数空间$\Theta$的元素。统计学家必须选择$n$个单位的样本$s\子集U$,并使用$y_i,i\ins,$来估计$\bar{y}=\sumy_i/n.$。我们建议将此决定建立在极大极小原理的渐近版本上。将渐近极小极大原理应用于三个参数空间,包括Scott和Smith考虑的参数空间和Cheng和Li讨论的空间。结果表明,如果分配适用于参数空间,分层抽样是渐近极小极大的。此外,我们还证明了常用的比率策略[即简单随机抽样(srs)和比率估计]和RHC策略(参见Rao、Hartley和Cochran)相对于适当选择的参数空间是渐近极小的。
霍斯特·斯坦格。 “调查抽样中Minimax策略的渐近分析。” 安。统计师。 17 (3) 1301 - 1314, 1989年9月。 https://doi.org/10.1214/aos/1176347270