排序集抽样下随机删失数据的乘积限估计

为了估计未知总体的生存函数,提出排序集抽样下随机删失数据的乘积限估计量,证明了新估计量的强相合性,确定了其强收敛速度,并与简单随机抽样下相应估计量进行估计效率的比较,结果表明排序集抽样效率高于简单随机抽样.最后,对生态环境的一组真实数据进行了实际应用.     

数理统计理论在公路工程质量评定中的重要意义

本文简单介绍了单纯随机抽样、系统随机抽样、分层随机抽样等三种适用于公路工程随机抽样的方式。并举例说明了现场取样位置确定方法。     

排序集抽样下随机截尾数据的平均寿命估计

为了提高随机截尾数据平均寿命的估计效率,采用平均秩思想,提出了基于排序集抽样方法的非参数估计量,证明了新估计量的渐近正态性,确定了其渐近方差,并与简单随机抽样下相应估计量进行了估计效率的比较,结果表明,排序集抽样效率高于简单随机抽样.最后,实际数据的应用结果验证了理论结果的正确性.     

样本轮换在分层整群抽样中的应用

针对实际连续抽样调查中样本轮换的广泛应用,将简单随机抽样场合下的样本轮换问题推广到分层简单随机连续抽样、整群连续抽样,并讨论其估计量、样本量、最优权数以及最优样本轮换率.     

抽样方法比较研究——以北京市居民通勤时间调查为例

以2005年和2010年两次大样本的北京市居民通勤时间调查为基础,对简单随机抽样和空间分层抽样方案进行研究,对两次抽样结果进行详细比较。结果表明:1)在缺乏先验知识的情况下,抽样调查应该选择简单随机抽样;在掌握了较为丰富的先验知识的情况下,并且研究对象具有空间相关性时,抽样调查选择空间分层抽样更为合理。2)进行空间分层抽样时,通过综合因素进行分层可以提高分层效率,并且使得抽样样本点的布局更加合理。     

基于不同抽样方法的土地资源遥感监测研究

遥感已经成为土地资源监测的主要手段,土地资源遥感监测结果在使用前,必须进行客观可靠的精度验证和分析,以保持遥感监测结果的可靠性。其中,抽样方法是影响土地资源遥感精度评价的一个重要因素。利用不同分辨率遥感数据获取的某县土地利用/覆盖信息,进行了简单随机抽样、分层抽样和等距抽样三种不同抽样组织方式下的精度检验分析,评估了不同抽样方式下的精度检验效果。结果表明,不同抽样方式下的精度检验结果都存在一定的波动。简单随机抽样方法得到的精度并不是随着样本数的增加而递增的,而是在不同面积的区域内,有其最佳的抽样样本个数与真实精度最接近。分层随机抽样与全样本的真实评价结果很接近,比较适合于土地利用现状的精度检验。等距抽样不适合于土地利用现状的精度检验。     

房屋倒损评估中统计抽样方法的对比分析

以2014年云南鲁甸地震为例,结合遥感技术对比分析简单随机抽样、分层随机抽样、整群随机抽样在地震房屋倒损抽样调查中的适用性.结果表明:1)简单随机抽样精度最高且稳定性最好,总体精度达98.96%,各类型房屋倒损精度超过97.00%.但过于分散的样本点会使得调查成本非常高,特别是在道路不可通达时,需要考虑无回答样本的误差问题.2)以房屋结构或地震烈度为标识的分层随机抽样精度均较低,这可能是由于影响房屋损毁程度的因子较多,单一分层指标不能较好地反映目标的总体情况,难以体现分层优势.3)整群随机抽样是一种较为理想的抽样方式,其精度仅次于简单随机抽样,总体精度达93.31%,各类型房屋倒损精度均超过85.00%,而且该法有助于减少初级抽样单元数量,方便调查、节省成本.4)通过相关分析与回归分析发现,简单随机抽样、整群随机抽样的变异系数与房屋入样总量间均具有负相关关系,因此可根据实际精度要求,通过提高抽样比的方式降低变异系数来减小估计量方差.      

一种基于抽样的谱聚类集成算法

谱聚类是利用样本数据集的相似性矩阵中特征向量的性质对样本数据集进行聚类.而随着数据规模的增加,谱聚类算法所耗时间会因为大规模的特征分解而明显增大.采用抽样方法可以有效降低算法所耗时间,但是简单随机抽样子集之间关联性太弱,通常无法准确反映数据集的分布特征.基于此,设计了一种新的抽样策略,利用该方法进行多次抽样,生成多个既具有关联性又具有差异性的数据子集.在每个数据子集上分别利用NJW算法(由Ng A Y、Jordom M I和Weiss Y提出)进行谱聚类,并根据最近邻原则将聚类结果映射到全体数据集,生成若干基聚类,最后,将聚类结果集成,得到最终的聚类划分.实验证明,该方法与传统NJW算法以及简单抽样集成算法相比,算法的效率及有效性有了一定的提高.     

基于二维数据的快速极大似然抽样一致性算法

对传统估计两幅图像对应点的鲁棒性算法进行了分析,指出了其基于一维数据的局限性.在一般的随机抽样一致性策略的基础上,提出了基于二维数据的极大似然抽样一致性(MLESAC)算法,并用每组对应点的匹配点数与匹配强度指导抽样过程.在预检验模型参数评估随机抽样一致性策略的基础上,增加了后检验步骤及自动更新局外点比例的步骤,以此对MLESAC算法进行加速.在对简单场景与复杂场景的实验中,分别使对应点数量提高了26 %和60 %,从而改善了场景重建的质量.     

基于分层抽样的高速网络吞吐率测量

在测量精度要求较高时,随机抽样流量测量的样本容量仍然很大,仍会造成一定程度的资源负担和测量开销上的问题.针对前面这种简单抽样策略的局限性,提出了一种基于报文分层抽样的高速网络吞吐率测量技术,并对分层抽样参数的选取及其理论进行了探讨;从网络吞吐率测量的角度对分层抽样与简单随机抽样的测量性能进行比较.结果表明,在相同样本容量的情况下,分层抽样测量精度几乎平均是简单随机抽样精度的9倍,且算法复杂度仅为O(n),有效解决了高速网络测量环境中测量效益不高的问题.这种基于分层抽样的测量技术还可以用于其他网络流量参数的测量.     

一元有限总体样本均值分布的随机加权逼近

对来自一元有限总的简单随机抽样样本,共均值分布采用随机加权逼近,从模拟方差的角度说明随机加权法在抽样调查中的可用性,得到了E|Vr*Dn-VarTn|=O(1/n)的良好结果。     

相继调查中的轮换样本问题

本文以无放回简单随机抽样(SRSWOR)为例,讨论了相继调查中的轮换样本问题,证明了一个基本定理,从而为充分利用数据信息构造总体特征的估计奠定了基础.文中还提出了若干总体均值、发展速度和增长量的估计量,并由基本定理点出了这些估计量的均值和方差。     

随机采样原理在远程超宽带雷达信号采样中的应用

为实现超高速宽频带信号采样 ,研究了随机采样在宽频带雷达、数字存储示波器、频谱分析仪等现代仪器设计领域的应用方法。首次明确给出了等价采样与随机采样的定义 ,提出了随机采样原理应用于远程超宽带雷达信号采样系统的新思想 ,探索远程超宽带雷达的大时宽带宽积信号的一种新处理方法 ,在信息传送数据量允许的情况下 ,较传统的脉冲数据压缩方法简单且可靠。提出的原理实际应用于高速数字存储示波器系统设计中 ,以 2× 10 8s- 1 的 A - D转换器HI12 76达成了 2× 10 1 0 s- 1 的等价采样速率。     

基于非均等排序集抽样的Wilcoxon符号秩检验

为了检验未知总体的对称点,建立了非均等排序集抽样下的Wilcoxon符号秩检验统计量,证明了在原假设下其分布具有对称性和适应任意分布性,证明了新检验统计量的渐近正态性,并给出新检验的Pitman效率因子.Pitman渐近相对效率的计算结果表明,新检验优于简单随机抽样下和均等排序集抽样下的符号秩检验.     

部分估计中的比率估计法与简单估计法的优劣分析

对总体的部分子总体的标志值均值及总量进行估计时，[1]中讨论了3种方法：简单估计法(SE)，部分估计法(PE)，比率估计法(RE)，并分别比较了SE与PE，PE与RE的优劣关系．本文则是在此基础上，比较了SE与RE的优劣关系，并得出在一定条件下，SE优于RE的很好结论．     

一种基于拉丁超立方采样的概率最优潮流算法

在概率最优潮流的求解技术中,随机采样的蒙特卡罗法因其在大规模采样的情况下求解精确度高,而被广泛应用。本文采用拉丁超立方采样和蒙特卡罗法相结合的技术处理含多随机变量因素的概率最优潮流问题,并将其运用于分析随机变量的波动对系统发电成本影响的计算中。通过IEEE-14和IEEE-118节点测试算例的分析表明,采用拉丁超立方采样能改善采样值的分布空间,在采样规模较低的情况下能够给出精确的统计结果,较随机采样的蒙特卡罗法具有应用优势,可以替代随机采样的蒙特卡罗法,作为评价其他算法优劣的标准。