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.     

完美和非完美中位数排序集抽样下刻度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个重要的研究课题.在统计推断方面,排序集抽样(RSS)现在是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.本文在中位数RSS(MRSS)下,研究了刻度参数的极大似然估计(MLE)及其性质.证明了该MLE在刻度变换群下是一个同变估计.以威布尔分布和正态分布为例,比较了MRSS,RSS和SRS下刻度参数的MLE的效率.数值结果表明不管排序是否完美,MRSS下刻度参数的MLE都是比RSS和(或)SRS下刻度参数的MLE有效.     

三种抽样设计下Inverse Exponential分布中参数的优良估计

Inverse Exponential (IE)分布作为一种寿命模型,在生存分析中起着重要作用.文章分别在简单随机抽样(SRS),排序集抽样(RSS)和基于Fisher信息量最大RSS (RSSF)下构造了IE分布中参数λ的一些优良估计.数值结果表明,使用同等样本容量的RSS样本和RSSF样本构造的RSS估计和RSSF估计比SRS估计有效.     

排序集抽样下Rayleigh分布的参数估计

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)被视为一种有效的收集数据的方式.文章分别在简单随机抽样(SRS)和RSS下研究了Rayleigh分布中参数的无偏估计,最优线性无偏估计(BLUE),极大似然估计(MLE)和修正MLE.数值结果...     

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.     

完美和非完美两阶段排序集抽样下几类正态性检验的功效与AUC研究

检验功效和ROC曲线下面积(AUC)是反映统计检验判别能力的重要工具.文章在简单随机抽样(SRS)、排序集抽样(RSS)和两阶段排序集抽样(DRSS)下研究了Cramer-vonMises检验、Kolmogorov-Smirnov检验、Kuiper检验、Anderson-D arling检验和Jarque-Bera检验这五种正态性检验在完美和非完美排序情况下的检验功效和AUC,并通过蒙特卡洛模拟给出了各正态性检验在不同备择假设情况下的功效值和AUC值.根据模拟结果可得到以下结论:无论是在完美还是非完美排序情况下,基于RSS和DRSS的五种正态性检验功效和AUC均显著高于基于SRS的正态性检验,且基于DRSS的正态性检验在大部分情况下具有最高的数值.     

动态极值排序集抽样设计下Rayleigh分布的参数估计

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Rayleigh分布中参数的无偏估计,最优线性无偏估计(BLUE),极大似然估计(MLE)和修正MLE.数值结果显示MERSS估计比SRS估计更有效.     

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Power-law分布中参数的参数估计

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.文章分别在SRS和RSS下研究了Power-law分布中参数的极大似然估计(MLE),修正MLE,修正无偏估计和修正最优线性无偏估计(BLUE).进一步针对该分布,文章找到了基于次序统计量Fisher信息量最大化的RSS,并在这种RSS下研究了上述估计.模拟结果显示RSS下的对应估计一致优于SRS下的对应估计.