基于排序集样本和双辅助变量的比率估计改进方法

基于排序集样本和双辅助变量建立总体均值的改进比率估计量,研究了估计量的偏差和均方误差,并从理论上比较了两种抽样方法下的估计效率,最后借助随机模拟和实际例子分析了比率估计方法的有效性.结果表明,利用双辅助变量的改进比率估计精度明显高于简单随机抽样或者单辅助变量比率估计.     

总体均值的分别比率估计方法改进及应用

辅助信息可以在抽样设计和估计量设计两个阶段同时使用,在分层抽样下采用排序集样本代替随机样本,以辅助变量的多个指标线性组合为辅助信息,改进了总体均值的分别比率估计方法,计算了估计量的近似偏差和均方误差,比较了两种不同抽样方法下比率估计的精度.结果表明,改进的分别比率估计均方误差较小.最后借助随机模拟和算例分析进一步验证了结论的可靠性.     

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.     

基于分层排序集抽样方法的改进比率估计

基于分层排序集样本提出了总体均值的改进比率估计方法,讨论了改进比率估计量的均方误差和偏差估计式,证明了改进的比率估计比原来的联合比率估计更加有效.最后,利用一组幼儿黄疸病胆红素含量的数据进行实例分析,结果表明,基于分层排序集样本的改进比率估计可以有效提高估计精度.     

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.      

排序集抽样下定时截尾指数寿命数据的参数估计

针对定时截尾指数寿命数据的参数估计问题,采用排序集抽样方法,研究了指数分布参数的极大似然估计.针对排序集抽样下似然方程求不出解的问题,似然方程的部分项替换为期望,并给出修正极大似然估计.估计效率的比较结果说明:基于排序集抽样方法的修正估计量优于基于简单随机抽样方法的极大似然估计量.     

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。     

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.     

中位数排序抽样下参数的极大似然估计

将排序集抽样方法进行改进,提出了一种新的中位数排序抽样方法,基于这一抽样方法提出了样本参数的极大似然估计,并进一步与传统抽样方法下估计的结果作比较,从估计渐进效率的角度说明了该方法的优良性.     

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.      

位置参数一尺度参数的稳健估计

针对矩法估计、极大似然估计存在不足,文章提出了利用样本中位数、样本中位数绝对离差作为总体中位数、中位数绝对离差估计量的思想方法,从而得到了位置参数、尺度参数的估计量.     

排序集抽样下样本参数的修正区间估计

研究了排序集抽样下样本参数的修正极大似然估计的性质,并以此估计为基础构造了样本参数的修正区间估计.研究表明:在相同的置信水平下,基于排序集抽样的样本参数的修正区间估计较传统的置信区间具有更高的精度.     

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。     

3P抽样与πPSWOR抽样的精度比较

证明在超总体模型下，当Ｎ充分大时，３Ｐ抽样的比率估计量与πＰＳＷＯＲ抽样的Ｈｏｒｖｉｔｚ－Ｔｈｏｍｐｓｏｎ估计量的精度近似相等。     

人口普查净覆盖误差估计

针对我国和其它许多国家的政府统计部门在应用双系统估计量时,忽视对总体人口等概率分层、未考虑人口移动,以及未采取科学有效的方法计算双系统估计量抽样方差的问题,提出建立基于捕获-再捕获模型的双系统估计量及分层刀切抽样方差估计量的研究目标.为实现目标,采取现场调查、抽样估计及文献解读相结合的方法研究全面登记和抽样登记的双系统...     

沃纳模型中的矩估计量及其方差

随机化回答技术由沃纳(Warner)在1965年提出,用于处理在社会调查中的敏感性问题.其抽样过程可分为4类:Ⅰ.人总体以及问题总体都采用放回抽样;Ⅱ.人总体采用不放回抽样而问题总体采用放回抽样;Ⅲ.总体采用放回抽样而问题总体采用不放回抽样;Ⅳ.人总体以及问题总体都采用不放回抽样.本文首先给出了沃纳模型中4种情形下参数的矩估计,然后给出了求估计量方差的一个新方法,该方法有别于沃纳以及以前研究者的方法,该方法更容易理解及更具一般性.     

总体均值的非参数估计

针对总体均值提出基于挑选排序抽样的非参数估计量，并证明了在一定条件下此估计量一致优于X^-。     

初始编码及最大序列号均未知时总体容量的估计

实际生活中,很多产品的序列号是连续的,估计出最大序列号就知道产品的总产量.例如二战中德军坦克数量的估计就是初始编码为1时最大序列号的估计.但在很多商业活动中,需要估计某产品在某个时间段的产量.本文研究这种初始编码及最大序列号均未知时总体容量的估计问题,从不同角度提出6个估计量:有放回抽样时极大似然估计量以及它的Jackknife法、近似法、迭代法及区间长度法得出的相应估计量及无放回抽样时的最小方差无偏估计量,然后通过大量随机模拟来评价这6个估计量的无偏性和均方根误差的相对大小.模拟结果表明:极大似然估计在小样本时表现欠佳,Jackknife法确实可以改进偏倚,后4个估计量的表现不论是有放回还是无放回抽样均相差不大,最小方差无偏估计量在无放回抽样时表现最佳.     

辅以分层抽样样本的等容量整群抽样方法

对于分层抽样和整群抽样,当群体间的差异、群内个体间差异均不显著时,其估计精度往往都很差．针对这一缺陷,提出了一种辅以分层抽样样本的整群抽样方案,得到了总体均值的估计量,以及这一估计量的一些良好性质．这些结果表明,与单一的整群抽样、单一的分层抽样估计量相比,这种抽样设计的估计量具有更高的精度     

排序集抽样下两样本相关参数的修正极大似然估计

排序集抽样是一种提高抽样效率的有效方法。然而,实际排序中不可避免会出现误差。这会对极大似然估计的结果造成一定的偏倚。文章基于排序集样本对传统的极大似然估计方程进行修正,讨论了修正的极大似然估计的性质,并进一步从渐进方差的角度说明了这一估计较传统方法更稳健。