PPS估计与乘积估计的比较

PPS放回抽样方案下对总体均值的估计与简单随机抽样方案下对总体的乘积估计是实际应用相当广泛的两种抽样方法。本文在规模指标与关心指标呈负相关的情形下比较了这两种估计的优劣。     

有放回抽样下某些统计量的优良性

对于有放回抽样模型,研究了"序列号"方法;详细讨论了某些相关估计量的优良性.     

概率发生变化时的连续抽样及最优匹配比

介绍了连续抽样中概率发生变化时保留样本的方法。对于有放回的PPS抽样,在假设的超总体模型之下提出了总体变量总值的模型——设计无偏预报量,并计算了总体不变时保留样本的最优匹配比。对于无放回的RHC抽样,给出了最优匹配比满足的方程。     

概念发生变化时的连续抽样及最优匹配比

介绍了连续抽样中概率发生变化时保留样本的方法，对于有效回的PPS抽样，在假设的超总体模型之下提出了总体变量总值的模型－设计无偏预报量，并计算了总体不变时保留样本的最优匹配比，对于无放回的RHC抽样，给出了最优匹配比满足的方程。     

关于逆抽样的相关理论与方法

对于稀少项目占总体比例P的抽样调查，若P比较少用一般简单的抽样方法进行抽样调查，容易产生比较大的偏差，所以通常采用逆抽样的方法。本文较为系统地讨论了逆抽样的一般理论，给出了针对无限总体与有限总体进行逆抽样时P的估计方法，并从理论上给出了这个估计的一个简捷而有效的均方误差公式。     

一种等价于PPS抽样的二阶混合抽样

在PPS抽样中，为了满足对K个组(一级抽样单位)以(P1,…，Px)为组入样概率进行抽样的要求，往往采用有放回抽样，或每次抽样后调整下一次再抽样时的组的入样概率．前者会产生重复抽样，后者比较复杂，在实际应用中有时甚是不可能实现的．本文根据PPS抽样中，对抽组的入样概率的要求，提出一种二阶混合抽样，可以克服上述问题，并简单易行．     

小样本不重复抽样时总体频率的一个区间估计

讨论了超几何分布中使P{ξ=m}达到最大的m的取值问题,并通过取得m最大可能取值给出小样本不重复抽样条件下总体频率的一个较为理想的区间估计,而且解决了小样本不重复抽样对总体频率进行估计的问题.     

基于0-1分布的公路机动车起讫点(OD)调查抽样

通过将单个调查点的OD调查抽象成0-1分布,分析了单个OD调查点调查精度要求、抽样率与调查点断面OD量本身特性之间的关系,研究了在简单随机抽样情况下单个OD调查点抽样率的确定方法, 给出了一定精度要求下的OD调查抽样率的推荐值,还比较了不同的抽样方法的抽样效率.结果表明:抽样率随着车流量的增大而减小,样本量则随着车流量的增大而增大,但当车流量足够大时,样本量将不再随着车流量的变化而变化;要求的置信水平越高,精度越高,抽样率越高,样本量也就越大;某一OD点对之间的量占的比例越大,满足该分布所需要的样本量越小;整群抽样的效率通常要比车牌号抽样和等距抽样的效率低,而分层抽样的效率则反之.     

基于抽样方法的不确定极限学习机

实际应用中的大量数据具有不确定属性,而传统的挖掘算法无法直接应用在不确定数据集上.针对不确定数据的分类问题,提出一种基于抽样方法的不确定极限学习机.该算法通过抽样的方法,对不确定数据集中样本的抽样实例进行学习和分类,得到该不确定样本的所属类别的概率,从而实现了传统极限学习机分类算法对不确定数据的分类,并极大降低了不确定对象实例的枚举代价.实验结果表明,该算法在不确定数据的分类问题中具有较好的有效性和高效性.     

统计推断与抽样

在抽样调查的基础上,可利用样本的实际资料计算样本指标,并用统计分析的方法推算总体相应数量特征,介绍抽样方法及抽样的组织形式,并给出抽样误差的计算公式.