基于非均等排序集抽样的符号检验

为检验未知总体的中位数,提出基于非均等排序集抽样的符号检验.通过比较符号检验的Pitman效率,表明非均等排序集抽样效率高于排序集抽样和简单随机抽样. 考虑到非均等排序集样本独立但不同分布,提出与秩次有关的加权符号检验,具体给出使检验效率达到最大的权数,并证明出最优权数具有适应任意分布性. Pitman相对效率的计算结果表明,非均等排序集抽样下最优加权符号检验优于排序集抽样下最优加权符号检验. 最后,对阔叶松树的一组真实数据进行了实际应用.      

非均等排序集抽样下位置参数的Mann-Whitney检验

针对两总体位置参数的检验问题,提出了基于非均等排序集抽样方法的Mann-Whitney检验统计量,证明了当原假设成立时其分布具有对称性且不依赖于总体分布,证明了新统计量的渐近正态性,计算出其数学期望和渐近方差,并确定出检验拒绝域.模拟检验功效的比较结果表明:新检验优于基于简单随机样本和均等排序集样本的相应检验.     

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.     

基于广义排序集样本的分位数估计

为提高总体分位数的估计效率,提出基于广义排序集抽样的非参数加权估计量.根据估计量的强相合性和渐近正态性,给出了在任意给定的抽样方案下使渐近方差达到最小的权数.再利用最优权数的适应任意分布性,证明出使估计效率达到最大的抽样方案是从所有排序小组中挑选具有同一次序的观测值.通过对渐近相对效率的数值计算和一组真实数据的实际应用,表明最优加权估计功效高于无权估计,最优排序集抽样效率高于标准排序集抽样和简单随机抽样.      

基于中位数排序集抽样的区间估计

利用中位数排序集样本的次序统计量来构造未知总体中位数的区间估计,证明了新估计具有适应任意分布性,并系统验证了新区间估计的精度一致高于排序集抽样下总体中位数的区间估计。最后将针叶树的一组真实数据进行了实际应用。     

基于排序集挑选抽样的分位数符号检验

针对传统的符号统计量只能检验中位数的弊端，提出检验总体分位数的基于排序集挑选抽样的符号统计量。并通过分析挑选抽样与均衡抽样的Pinllan相对效率，具体给出不同分位数的最优抽样，弥补了排序集抽样在检验极端分位数上的不足。     

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.     

中位数排序集抽样下总体均值的比率估计方法

分析了中位数排序集抽样下总体均值的比率估计方法,证明了该估计量具有渐进无偏性,并讨论了两种抽样方法下估计量的相对效率.算例表明,在总体分布为正态分布的情况下,基于中位数排序集样本的比率估计比随机抽样下的比率估计效率高.     

关于多重循环秩集抽样下正确排序的一种秩检验方法

研究了关于多重循环秩集抽样下正确排序的一般检验方法,详细讨论了3个合理的检验统计量Nm1,Sm1和Am1,并推导出了其在原假设成立条件下的精确分布.当n1=n2=…=nk=1时,结果和文献[Li T,Balakrishnan N.Some simple nonparametric methods to test for perfect ranking in ranked set sampling.Journal of Statistical Planning and Inference,2008,138:1325-1338]是一致的.     

MERSS下Pareto分布刻度参数的估计

研究了动态极值排序集抽样(MERSS)下帕累托(Pareto)分布里刻度参数（a,c)的极大似然估计(MLE)和Fisher信息量.证明了MERSS下c参数MLE的存在性和唯一性,MERSS下c携带的Fisher信息量大于简单随机抽样(SRS)下携带的Fisher信息量.     

分布对称中心的U检验方法

基于构造U统计量提出了检验对称随机变量分布对称中心的一种新的检验统计量,获得了该检验统计量在原假设与备择假设下的极限分布,并用Bootstrap方法来获得检验拒绝域的临界值,对几类重要对称分布下该检验统计量的检验功效进行了比较,说明了该检验统计量的优良性.     

基于φ-散度的乘积多项抽样下对数线性模型的检验水平和功效

考虑了乘积多项抽样下的对数线性模型.在这个模型下,文献[Jin Y H, Wu Y H. Minimum φ-divergence estimator and hierarchical testing in log-linear models under product-multinomial sampling. Journal of Statistical Planning and Inference, 2009,139:3 488-3 500]用基于φ-散度和最小φ-散度估计构造的统计量研究了几类假设检验问题,这其中就有嵌套假设.最小φ-散度估计是极大似然估计的推广.在上述文献的基础上,给出了其中一类检验的功效函数的渐近逼近公式;另外,还研究了在一列近邻假设下检验统计量的渐近分布.通过模拟研究发现,与Pearson型统计量和对数极大似然比统计量相比,Cressie-Read型检验统计量有差不多的甚至更好的模拟功效和水平.     

排序集抽样下总体参数的修正似然比检验方法

基于排序集样本讨论了总体参数的修正似然比检验,并进一步比较了该检验与传统的似然比检验在参数空间上的功效,从假设检验的两类错误角度说明了基于排序集样本的修正似然比检验的优良性.     

基于GRSS的均匀分布分位数的估计

主要讨论的是基于ni不固定的广义排序集样本的均匀分布分位数的估计,提出了包括GRSS最小方差无偏估计,简单估计和均衡排序集估计,计算了方差和相关系数,并相互进行了比较.     

二维正态总体相关性的假设检验

在样本相关系数具有渐近正态性的条件下,给出了一种二维正态总体分量相关性的假设检验方法,并且与大样本情形下的传统检验方法比较了功效,得到渐近相对效率为1的结论,且新的检验统计量形式明显简单,从而说明新的检验方法是简便可行的.