抽样方法中指标分布的理论探究

对于无放回抽样，教材(人教版，高中数学选修Ⅱ)介绍了三种抽样方法，即简单随机抽样、系统抽样和分层抽样．这三种抽样方法的共同基础是，抽样过程中每个个体被抽取的概率相等．教材对这一共同基础给出了证明．系统抽样和分层抽样都以简单随机抽样为基础，但这两种抽样指标的确定依据及其中所述“更充分地反映总体的情况”，教材并没有给出解释，学生感到难以理解．     

简单随机抽样的一个注记

对简单随机抽样两种定义的关系进行了讨论,澄清了教科书中的一些模糊不清之处;通过反例举证了两种定义在某种意义下的不等价性;给出了变概率抽样与不等概率抽样的定义,指出变概率抽样与不等概率抽样也可以是简单随机抽样;本文最后,给出了简单随机抽样的更具一般性的(广义)定义.     

多目标调查的MPPS平衡抽样方法研究

平衡抽样是广受关注的利用辅助信息改善样本结构的抽样方法.MPPS抽样在多目标调查中采用的与多变量规模成比例的入样概率,可以在平衡抽样中精确满足.基于MPPS抽样和平衡抽样的性质,文章提出多目标调查下的MPPS平衡抽样,该方法主要思想是将多个调查变量的辅助信息在确定入样概率和随机抽样过程中同时使用,提高HT估计量精度.模...     

谈不放回抽样与放回抽样的区别

高中数学新教材中增加了概率论的内容 ,在有关的课外资料中经常出现 (或隐含 )“不放回”与“放回”这类问题 ,本文就此谈一下它们的区别 .不放回抽样与放回抽样的区别主要体现在以下四个方面 :(1)不放回抽样是指每次抽出样品不放回 ,下次再抽样时 ,样品结构发生变化 ,总数比前次少一 ;而放回抽样是指每次抽出的样品放回 ,下次再抽样时 ,样品结构和总数保持不变 .(2 )不放回抽样各次抽取不是相互独立的 ;而放回抽样各次抽取是相互独立的 .(3)对不放回抽样来说 :事件A =“不放回地逐个取k个样品”与事件B =“一次任取k个样品“的概率相等 ,…     

关于“序列号”方法的讨论

对于无放回抽样和有放回抽样两种情形,研究了"序列号"方法,给出并讨论了某些相关的估计量的优良性.     

单纯随机抽样理论之我见

针对一般经济统计教材中普遍存在的关于单纯随机抽样过程中,不同抽样方法下样本方差的无偏性问题提出自己的见解.认为,抽样理论源于实践,重复抽样时有Nn个样本、不重复抽样时有CnN个样本是实际抽样调查工作中普遍采用的方式、方法,更是单纯随机抽样推断理论的源泉.在此基础上数学界将实际工作中各种可能始点的抽样方法赋予理性思考、研究,获得结论:无限制抽样和简单随机抽样条件下样本方差是总体方差的无偏估计量.     

基于Brewer抽样的不放回样本追加策略下域的估计

本文研究了基于Brewer抽样的不放回追加策略,给出单元的前两阶包含概率的具体计算公式,并构造联合设计下的Horvitz-Thompson估计,同时给出了模拟结果。根据模拟结果可以看出,在联合设计下域总量估计的精度比基本设计和追加设计下估计量的精度高。     

二阶抽样中二级单位总样本量的分配

本文讨论了二阶抽样中一阶抽样为不等概率抽样、二阶抽样为简单随机抽样时,二级单位总样本量的几种分配方案。给出各种分配方案下总体总值的Horvitz-Thompson估计量的方差。并加以比较,最后给出最优分配方案。     

一种满足有效样本量固定的放回抽样方法

相比不放回抽样,放回抽样的实施比较简单,操作性强,但缺点在于单元可能被重复抽到,抽出的有效样本量小于等于样本量,不是固定的。本文应用逆抽样的原理,设计了一种放回抽样方法,满足有效样本量固定,并且估计量的性质优良。     

优良抽样设计下总体均值的比率估计

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,排序集抽样被视为一种更为有效的收集数据的方式.极值排序集抽样(ERSS)是一种改进的排序集抽样.文章在ERSS下研究了总体均值的比率估计.以正态分布为例,比较了简单随机抽样和ERSS下比率估计的相对效率.数值结果表明ERSS下的比率估计优于简单随机抽样下的比率估计.     

事后分层方法及其在交通运输抽样调查中的应用

本文介绍事后分层技术，说明了它不仅可用于简单随机抽样，而且可以用于放回ＰＰＳ抽样。给出了事后分层估计量的形式，证明了它的无编性，并给出了它在交通运输抽样调查中的应用。     

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.     

三参数Weibull分布参数的Bayes估计

给出了三参数Weibull分布参数Bayes估计的两种方法,其一基于Laplace数值积分法,其二基于Gibbs抽样方法.模拟例子说明了估计方法的有效性.     

排序下PPS抽样估计量的修正与应用

受许多事物具有齐夫现象的启发,本文提出了排序后PPS抽样方法,并给出了修正汉森-赫维茨估计量及其方差。在此过程中本文解决了,长期以来抽样调查实践中将重要单元直接入样时,多少重要单元直接入样没有明确方法的问题,本文给出了理论依据和具体的确定方法。最后通过一个例子和中国城市人口抽样调查的案例,展示了修正汉森-赫维茨估计量的优势,并对这一研究方法做了总结和展望。     

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。     

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 .     

抽样调查(Ⅵ)——第五讲 不等概率抽样

1一般描述 1)不等概率抽样的必要性 前几讲介绍的简单随机抽样与分层随机抽样有一个公同的特点:总体(或层,下同)中的每个单元入样的概率都相等.这种抽样称为等概率抽样.如果总体中的每个单元在总体中的地位.(或重要性)相差不多,等概率抽样是理所当然的.等概率抽样实施简单,相应的数据处理公式也简单.但在许多实际问题中,我们还需要使用不等概率抽样.一种情况是调查的总体单元与抽样总体的单元可能不一致.例如某学校欲对学生的家庭情况进行调查,调查总体是全校学生的家庭.在这些家庭中,许多家庭只有一个孩子在该学校就读,也有些家庭有两个或…     

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.     

抽样调查(Ⅶ)——第五讲 不等概率抽样(续)

§4几种严格的无放回对pps抽样方法 在无放回不等概率抽样中,若n固定,且每个单元入样概率πi与单元的大小成正比,则必有 本节介绍几种比较实用的严格无放回pps抽样方法,其中前5种仅适用于n=2,最后3种也适用于n>2情形. 两个样本单元的抽取方法是第一个单元按与　成正比的概率抽取;第二个样本单元则是在剩下的N-1个单元按与Zj成正比的概率抽取,下面我们证明按此抽样方法,有,令于是第1个样本单元抽到单元i的概率为而第1个单元为j,第2个样本单元为概率为从而根据(5.23),可以计算样本以单元i及j组成的概率,此时即是:于是根据Horvitz-Thompson…