论双系统估计量的无偏性

人口普查质量评估中所使用的双系统估计量是否为无偏估计量是一个很值得深入讨论的问题。只有无偏,才能确保使用双系统估计量估计的目标总体实际人数及人口普查净误差平均等于它们的实际数。针对人口普查质量评估工作中所使用的双系统估计量,论证这个估计量的无偏性条件。采用从既定假设出发进行推演的路径论证。研究结果表明,双系统估计量是目标总体实际人数无偏估计量的必要但非充分的条件是,人口普查与其质量评估调查相互独立以及目标总体中的每一个人在人口普查中的登记概率相同,在质量评估调查中登记的概率也相同。     

缺失数据下Jackknife方差估计量的渐近设计无偏性

在实际的调查中经常会出现缺失数据．如何处理这种情况下总体目标量的估计是一个重要问题．Zou等(2002)对缺失数据情况下的样本轮换方法证明了他们所提出的线性化．Jackknife方差估计量在均匀回答下是估计量方差的近似的设计无偏估计．这一性质对于．Jackknife方差估计量的使用提供了重要依据．对于其它情况下．Jackknife方差估计量是否也具有这一性质无疑是一个有意义的问题．作者旨在研究文献中已提出的若干．Jackknife方差估计量的渐近设计无偏性．我们的结果表明Zou等(2002)所注意到的Jackknife方差估计量的渐近设计无偏性具有一定的普遍性。     

多个子样本下过程能力指数估计量的比较研究

过程能力指数(C_p)估计的关键是对总体标准差的估计。在多个子样本情形下,采用4个无偏估计量■,■_s,■_R,■_p分别估计总体标准差σ,证明了直接以此为基础的过程能力指数的估计量都是有偏的,且都有高估C_p的倾向;之后构造了C_p的4个无偏估计量;探讨了其中3个无偏估计量的估计效率;最后结合案例计算了C_p的不同估计值。     

均匀分布参数的无偏估计及其分布

讨论了均匀分布未知参数无偏估计量的分布密度,利用无偏估计量构造出一些新的样本函数,并且利用给出的样本函数推导出了未知参数的置信区间.所得到结果改善了现有的估计,易于计算.     

方差分析(Ⅲ)

1.5估计 统计推断包括两个问题,一个是估计问题,一个是检验问题。关于检验问题,我们已在前几节中做了较详细的讨论,而对于估计问题,我们将在这里给予简短的介绍。 在1. 2节中我们从实验数据 Xij计算了样本平均 Xi,这是参数 μi(总体 Ai的平均)的一个估计量,是在统计计算中经常用到的一个基本统计量。例如,在例1.l中 X200℃ = 71就是温度200℃的产量(μ)的一个估计值,这种估计叫做点估计。 我们之所以用X来估计μ,因为它是无偏的。事实上,从上节假定(2)立即得到无偏性: E(X)= μ无偏性的意义是:X作为μ的估计值未必等于μ,但是多次反复地…     

为PPS抽样而进行双重抽样的方法

本文把双重抽样技术用于ＰＰＳ抽样，给出了该方法下总体总值的无偏估计量，估计量的方差及方差的无偏估计公式。     

排序集抽样下指数分布参数的最优线性无偏估计

排序集抽样方法适用于样本测量困难但排序容易的场合,其样本包含了次序信息.指数分布在寿命试验中占有非常重要的地位,为了提高指数分布参数的估计效率,本文提出了排序集抽样下参数的最优线性无偏估计量,计算了新估计量的方差,证明了其具有渐近正态性.相对效率和模拟效率的研究结果表明:新估计量的估计效率不仅高于简单随机抽样下一致最小方差无偏估计量,也高于排序集抽样下样本均值和修正极大似然估计量.最后,将推荐方法应用到转移性肾癌的临床研究中,从而验证该方法的有效性.     

截断δ冲击模型的参数估计

本文主要研究截断δ冲击模型的参数估计问题.利用极大似然估计的方法,我们得到了截断δ冲击模型的参数估计量,并分析了估计量的无偏性,最后将其应用到关系营销系统中,从而获得泊松营销系统到达率的估计值.     

利用样本分位数的Logistic总体分布参数的近似最佳线性无偏估计

Harter H_L.,Balakrishnan N.等先后讨论了Logistic总体分布参数的极大似然估计,近似极大似然估计;其后Ogawa J.,Lloyd E.H.,Kulldorff G.,Gupta S.S,及chan L.K. 等又先后讨论了Logistlic分布参数的最佳线性无偏估计及估计的相对效率等问题.令人遗憾的是:在大样本情形下,上述估计均难以求得.为缓解这一困难,本文讨论利用样本分位数的Logistic总体的近似最佳线性无偏估计,给出估计量的大样本性质,以及样本分位数不超过10情形下,估计量有渐近最大相对估计效率时样本分位数的选取方案等.     

基于分层抽样的校准方法分别比率-乘积估计研究

比率估计在抽样估计阶段利用辅助信息,提高了估计量的估计精度,是抽样调查中一类较为常用的估计方法,但现有的一些比率估计方法均具有各自的最优条件,这在一定程度上影响了它们在实际调查中的应用。为了解决比率估计的最优限制问题,本文引入了校准估计方法,并基于分层抽样研究了总体均值的校准方法分别比率-乘积估计量。在大样本情况下,本文推导了新估计量的估计偏差和均方误差,说明新估计量具有渐近无偏性,并在估计量均方误差最小时,得到了总体参数的渐近最优估计量和渐近最优估计量的方差。在模拟研究中,根据比率估计量的最优条件是否满足,本文生成了两种不同的总体,对比分析了新估计量和现有比率估计量的估计效果,结果表明在两种不同的情况下,新估计量的估计效果均优于现有估计量的估计效果。最后,本文利用一个实际例子,验证了新估计量的有效性和实用性。     

方差分量的二次不变估计的非负改进

研究一类方差分量模型中的方差分量的估计改进问题,首先在含两个方差分量模型中给出σ21二次型估计类,并且此估计类还具有无偏性和不变性.考虑二次损失(δ-θ)2,在此估计类基础上放弃无偏性进行非负改进,不仅得到优于二次不变无偏估计类的σ21的非负二次不变估计类,而且还说明了它优于方差分析估计和最小均方误差估计,文献[5]中给出s>2时的非负改进,但是非负改进存在是有条件的,本文克服了这个缺陷.最后给出了非负改进存在的充分必要条件.     

二元Kundu-Gupta型二点分布参数的最大似然估计

讨论二元Kundu-Gupta型二点分布的识别性及参数估计,已知可识最小值的分布时,则参数可识别;由此得到了参数的最大似然估计;其中二个参数的估计量是无偏的,另外一个参数的估计量的期望不存在;模拟结果显示:估计值均稳定于真值参数.     

在几种常见的抽样方案下的事后分层

本文给出系统抽样，放回不等概率抽样及二阶不等概率抽样情况下总体均值的事后分层估计，估计量的方差和它的无偏估计。     

基于局部多项式回归的模型校准抽样估计研究

在抽样估计中,当研究变量与辅助变量之间呈非线性关系时,传统的校准估计方法效果较差,基于非参数回归方法的模型校准估计量则可以很好地解决这一问题。首先,建立描述研究变量和辅助变量之间关系的超总体回归模型,使用非参数中的局部多项式方法得出模型参数的拟合值,并结合校准估计得出局部多项式模型校准估计量,同时给出其方差和方差估计量公式,证明了该估计量具有渐近无偏性、一致性和渐近正态性等优良的统计性质。然后,使用仿真模拟的方法证明在研究变量与研究变量之间呈非线性关系时,该估计量有良好的估计效果。最后,对该估计量在我国政府统计中的应用进行简单的介绍。     

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.     

基于混合地理加权Fay-Herriot模型的小域估计

作为一类区域层次模型, Fay-Herriot模型在小域估计中已经得到广泛的应用,这类模型假定各区域的直接估计是空间不相关的.很多情况下这个假定是不成立的,因此一些考虑空间效应的Fay-Herriot模型被提出.本文基于混合地理加权回归模型提出一类新的Fay-Herriot模型用以刻画空间非平稳性,基于提出的模型,给出小域目标参数的经验最佳线性无偏预测估计量,并研究了该估计量的均方误差.最后通过数值模拟验证了所提方法的有效性.     

模型辅助条件下广义最优回归抽样估计方法研究

在抽样估计中,当超总体模型为非线性形式时,广义回归估计量和最优估计量的估计效果均有待提高,而非参数回归估计量虽然能在一定程度上提高估计精度,但需要获得全部总体单位的辅助变量值,这在实际调查中往往难以满足。本文基于传统的广义回归估计量和最优估计量,借鉴非参数回归中局部多项式的估计思想,对原始辅助变量信息进行扩展,得到原始辅助变量多次方形式的新辅助变量,进而研究提出广义最优回归估计量。该估计量可以克服广义回归估计量、最优估计量和非参数回归估计量的缺陷,并证明其满足渐近无偏性和一致性。在不同超总体模型下,通过数值模拟方法比较了各类回归抽样估计方法的估计效果,模拟结果显示:在线性模型下,除了π估计量的精度较差,其余各类估计量的估计精度基本相同;但在非线性模型下,最优估计量和广义回归估计量的估计精度明显下降,而广义最优回归估计量和非参数的局部多项式回归估计量的估计精度都较好。     

利用样本分位数的Logistic分布参数的渐近置信估计

基于Logistic分布的若干个样本分位数 ,利用线性回归模型建立Logistic分布位置参数及尺度参数的渐近正态且渐近无偏估计量 ,得到分布参数的渐近置信估计。     

B(n,p)总体下函数f(p)无偏估计的存在性

总体服从二项分布B(n,p),p为未知参数,应用麦克劳林公式,得出了只有当f(p)=a1p a2p2 ... anpn时,函数f(p)才存在无偏估计,并给出了无偏估计量.     

协方差改进法与半相依回归的参数估计

对于由两个误差项相关的线性回归方程组成的系统,本文应用协方差改进法获得了参数的一个迭代估计序列。我们证明了当协方差阵已知时,该估计序列处处收敛到最佳线性无偏估计,且它们的协方差阵在矩阵偏序意义下单调下降收敛到最佳线性无偏估计的协方差阵,该估计序列具有Pitman准则下的优良性。当协方差阵未知时,我们证明了用协方差阵的无限制估计所产生的两步估计具有无偏性、相合性和渐近正态性。在一定意义下,本文的估计优于文献中已有的一些估计。本文的结果也显示了协方差改进方法的有效性。