一种新的中位数排序集抽样下的对总体均值的Horvitz-Thompson估计

排序集抽样(RSS)是一种著名的抽样技术,它有许多变体,中位数排序集抽样(MRSS)就是其中一种.与简单随机抽样(SRS)相比,RSS在估计总体均值方面具有优势.然而,RSS及其变体的局限性在于,当给定样本大小n时,抽样过程中每次SRS的规模m只能是n或者n的因子.介绍了一种改进的中位数排序集抽样方法MRSS(m),它比原方法在抽样过程上有更多的选择.实验表明,采用新的抽样方法MRSS(m),可以提高Horvitz-Thompson(HT)估计量的估计效率,同时还降低了抽样成本.     

优良抽样设计下Logistic分布中参数的极大似然估计

当研究目标的实际测量具有不可修复的破坏性或耗资巨大时,有效的抽样设计将是一项重要的研究课题.在统计推断方面,排序集抽样(RSS)被视为一种比简单随机抽样(SRS)更为有效的收集数据的方式.动态极值RSS (MERSS)是一种修正的RSS.文章在SRS和MERSS下研究了Logistic分布中参数的极大似然估计(MLEs).在这两种抽样下证明了该分布中位置参数和刻度参数的MLEs的存在性和唯一性,并计算了所含参数的Fisher信息量和Fisher信息矩阵.比较了这两种抽样下对应估计的渐近效率.数值结果表明MERSS下的MLEs一致优于SRS下的MLEs.     

对称分布下中位数排序集样本均值的有效性证明

总体均值的估计在整个抽样理论里扮演着无可争议的主角,而估计的好坏很大程度上依赖于抽样设计.文章从理论上证明了在对称分布下,基于中位数排序集抽样的样本均值作为总体均值的估计比简单随机抽样下样本均值作为总体均值的估计更有效.小样本情形下的两个数值例子和一个实例进一步验证了这个理论结果.     

基于中位数排序集抽样的非参数估计

本文提出中位数排序集抽样下总体中位数的非参数估计,证明了这种估计具有强相合性和渐近正态性,并系统验证了新估计量的功效一致优于排序集抽样下和简单随机抽样下总体中位数的估计量。最后,我们对针叶树的一组真实数据进行了实际应用。     

动态极值排序集抽样设计下Inverse Rayleigh分布的Fisher信息量及其在参数估计中的应用

在统计推断里,参数估计的好坏很大程度上依赖于抽样设计,所以有效的抽样设计将是一项重要的研究课题.本文分别在简单随机抽样(SRS)和动态极值排序集抽样(MERSS)下研究了Inverse Rayleigh分布中参数的一些优良估计.数值结果显示MERSS估计比SRS估计更有效.     

排序集抽样下Inverse Rayleigh分布的Fisher信息量及其在参数估计中的应用

文章分别在简单随机抽样和排序集抽样下研究了Inverse Rayleigh分布中对应样本所含刻度参数θ的Fisher信息量.数值结果表示,同等样本容量的排序集样本比简单随机样本提供更多关于θ的信息.接着分别基于简单随机样本和排序集样本构造了θ的一些优良估计,并对估计结果进行了数值比较.     

基于辅助信息的分层排序集抽样及调查费用分析北大核心

辅助信息在改进和完善抽样设计、提高抽样估计精度和节省抽样费用等方面具有重要作用,鉴于此,基于分层排序集样本建立了总体均值的比率估计量,同时考虑估计精度和调查费用两个方面,证明了抽样方案的优良性.最后,通过实例进一步分析,结果表明,在给定的估计精度下,分层排序集抽样方法可以有效降低抽样调查费用.     

基于辅助信息的分层排序集抽样及调查费用分析

辅助信息在改进和完善抽样设计、提高抽样估计精度和节省抽样费用等方面具有重要作用,鉴于此,基于分层排序集样本建立了总体均值的比率估计量,同时考虑估计精度和调查费用两个方面,证明了抽样方案的优良性.最后,通过实例进一步分析,结果表明,在给定的估计精度下,分层排序集抽样方法可以有效降低抽样调查费用.     

排序集抽样下指数分布产品的寿命性能评估

为了提高指数分布产品的寿命性能评估效率,研究了排序集抽样下寿命性能指数的极大似然估计,证明了其具有存在性和唯一性.针对似然方程没有显式解的问题,采用部分期望法给出具有显式表达式的修正极大似然估计,并利用排序集样本构造出寿命性能指数的置信区间.仿真结果表明:不仅排序集抽样下修正极大似然估计的效率一致高于简单随机抽样下极大...     

基于样本均值的最优无重叠k-序对排序集抽样

本文提出了无重叠κ-序对排序集抽样方法,即在每个排序集中对κ-序对个体进行观测,并且不同的排序集的κ-序对之间没有任何重复.我们首先探究了此抽样方法得到的样本均值的有效性随每个排序集中κ-序对个体间的相关性变化的趋势.κ-序对个体间的相关性越强,样本均值的有效性损失越大.本文的目的是找到无重叠κ-序对排序集抽样方法中κ-序对分配的最优方案从而使样本均值的有效性损失最小,并证明了最优的无重叠κ-序对排序集抽样比广义排序集抽样以及简单随机抽样更有效.尽管无重叠κ-序对排序集抽样方法的统计效率低于经典的排序集抽样,但是在成本模型下,最优的无重叠κ-序对排序集抽样方法可以比经典的排序集抽样更有效.     

基于有序抽样样本的参数的极大似然估计的性质

有序抽样是一种新的抽样方法 ,与简单随机抽样方法相比它具有很多很好的性质 .本文讨论了在有序抽样样本下的参数的极大似然估计的性质 .     

Estimation of the Common Mean of a Bivariate Normal Population

In this paper we discuss the problem of estimating the common mean of a bivariate normal population based on paired data as well as data on one of the marginals. Two double sampling schemes with the second stage sampling being either a simple random sampling (SRS) or a ranked set sampling (RSS) are considered. Two common mean estimators are proposed. It is found that under normality, the proposed RSS common mean estimator is always superior to the proposed SRS common mean estimator and other existing estimators such as the RSS regression estimator proposed by Yu and Lam (1997, Biometrics, 53, 1070–1080). The problem of estimating the mean Reid Vapor Pressure (RVP) of regular gasoline based on field and laboratory data is considered.     

Parametric estimation for the simple linear regression model under moving extremes ranked set sampling design

Cost effective sampling design is a major concern in some experiments especially when the measurement of the characteristic of interest is costly or painful or time consuming.Ranked set sampling(RSS) was first proposed by McIntyre [1952. A method for unbiased selective sampling, using ranked sets. Australian Journal of Agricultural Research 3, 385-390]as an effective way to estimate the pasture mean. In the current paper, a modification of ranked set sampling called moving extremes ranked set sampling(MERSS) is considered for the best linear unbiased estimators(BLUEs) for the simple linear regression model. The BLUEs for this model under MERSS are derived. The BLUEs under MERSS are shown to be markedly more efficient for normal data when compared with the BLUEs under simple random sampling.     

Rounded data analysis based on multi-layer ranked set sampling

Observations of sampling are often subject to rounding, but are modeled as though they were unrounded. This paper examines the impact of rounding errors on parameter estimation with multi-layer ranked set sampling. It shows that the rounding errors seriously distort the behavior of covariance matrix estimate, and lead to inconsistent estimation. Taking this into account, we present a new approach to implement the estimation for this model, and further establish the strong consistency and asymptotic normality of the proposed estimators. Simulation experiments show that our estimates based on rounded multi-layer ranked set sampling are always more efficient than those based on rounded simple random sampling.     

产品可靠寿命的最优排序集挑选设计

针对产品可靠寿命的估计问题,构造了基于排序集挑选样本的非参数估计量,证明了该估计量具有强相合性和渐近正态性。针对不同的可靠寿命,具体给出了使得估计效率达到最大的最优挑选抽样设计。最后,渐近相对效率和实际应用的研究结果表明:最优挑选设计的抽样效率高于简单随机抽样。     

排序集抽样下指数分布的产品可靠度研究

为了提高指数分布产品可靠度的估计效率,研究了基于排序集抽样方法的极大似然估计量(Maximum likelihood estimator,MLE),证明了新MLE具有存在性、唯一性和渐近正态性,并通过排序集样本的Fisher信息得到MLE的渐近方差。针对似然方程没有显式解的问题,利用部分期望法对MLE进行修正,并给出其具体表达式。渐近相对效率和模拟相对效率的研究结果表明:排序集抽样下MLE和修正MLE的估计效率都一致高于简单随机抽样下MLE。最后,将推荐方法应用到转移性肾癌的临床研究中。     

Inference for a simple step-stress model based on ordered ranked set sampling

In this paper, we considered the inference problem on simple step-stress accelerated life test data from one-parameter exponential distribution under type-I censored ordered ranked set sample with cumulative exposure model. The Bayesian estimators and credible intervals for the model parameters are developed and compared with the corresponding estimators based on simple random sampling. Two real data sets and numerical simulation evaluations are presented to illustrate all the results developed here. The simulation study indicated that the proposed Bayes estimators and credible intervals based on ordered ranked set sampling performed better than their counterparts using simple random sampling.