捕获——再捕获抽样及其应用

本文介绍了捕获——再捕获抽样的思想方法 ,讨论了它的估计量的性质 ,展示了它的广阔的使用领域     

幂函数和指数函数回归模型参数的无偏估计及应用

本文给出了一类非线性函数、幂函数和指数函数回归模型参数的一种估计方法，用此方法计算幂函数和指数函数参数所得的残差平方和比用化为线性模型计算所得的残差平方和小得多。与精确的高斯－牛顿迭代计算结果相近，它比一般非线性回归迭代计算简单。     

捕获-再捕获抽样及其在社会统计调查中的应用

本文在介绍捕获——再捕获抽样的思想方法的基础上,给出了捕获再捕获抽样中的几个常用估计量,并讨论了其中一些估计量的性质,最后通过实例介绍了它在社会统计中的应用。     

一类最优无偏估计及其应用

推广了定理1〔1〕的结果得到定理2及其推论,并说明其应用。     

基于自由度样本方差解析及统计特性理解

基于自由度给出样本方差不同定义的比较,并给出直观解释和相关性质,达到对数理统计中抽样公式、方差分析及回归分析等统计特性的理解.     

二阶比估计与PPS抽样的比较

对二阶比估计与二阶PPS抽样方法进行了比较，给出了比估计优于PPS抽样及PPS抽样优于比估计的条件．     

PPS估计与乘积估计的比较

PPS放回抽样方案下对总体均值的估计与简单随机抽样方案下对总体的乘积估计是实际应用相当广泛的两种抽样方法。本文在规模指标与关心指标呈负相关的情形下比较了这两种估计的优劣。     

基于正态分布参数无偏估计的几个结果

在总体分布为N(μ,σ~2)下,分别给出了未知参数μ,σ,σ~2的几个无偏估计量,并加以证明。     

一类参数的极大似然估计

本文给出了一类参数的极大似然估计。     

关于双重抽样

本文指出并改正了[1]中第十二章关于双重抽样的不正确的结论。给出了关于双重抽样的一些结论的严格证明。     

不等概率抽样估计的原理与应用

不等概率抽样估计是一种十分有效的抽样推断方法．它在以样本估计总体时是应用一个与所要调查的目标变量相关的辅助变量作为样本单位抽选的概率，能使得对总体指标数值影响大的单位赋予大的抽中概率，同时在构造样本指标时，可利用辅助变量值对目标变量值进行调整，增大了样本对总体的代表性，由此抽取的样本和依据样本计算的样本指标就更接近于总体指标．     

总体比例的分级Bayes估计

在总体比例的Bayes估计中，引入超先验，得到总体比例的分层先验分布，在此先验下，给出总体比例的分级Bayes估计量，当总体比例值较小时，Bayes估计量是分级Bayes估计量的一个特例。     

人口抽样调查中用普查数据的比估计及其均方误差估计

本文主要讨论了分层三阶简单随机抽样下，在人口变动情况抽样调查中利用普查数据构成人口出生率，年出生人口，年中人口的比估计及其均方误差估计问题，也给出了分层三阶等距抽样下比估计的均方误差的两种估计公式。得出的结论也适用于一般的多阶抽样的比估计的情形。     

Lt^p（t^q）型正交表在抽样调查中的应用

用Ｌｔ＾ｐ（ｔ＾ｑ）型正交表来设计抽样方案，此时，样本集中包含的样本数要远小于Ｃ＾ｎＮ。而且可以证明，样本均值是总体均值的无偏估计量，样本均值的方差小于随机抽样的方差。     

基于bootstrap思想的贝叶斯估计

在样本量较小的情况下,可以采用重抽样方法一bootstrap方法进行参数估计,本文将bayes方法与bootstrap方法相结合,进行基于bootstrap思想的bayes估计。主要列出的是当样本服从正态分布的基于bootstrap思想的bayes估计。     

一个域估计问题的讨论

介绍二阶ｎ＝２的πＰＳ抽样方案下，用传统方法对域目标量进行估计时存在的问题。提出一个域目标量的有偏估计公式，讨论其可行性。以模拟总体作域目标量估计，并与简单随机抽样目标量估计进行了比较。     

排序集下单指数分布均值的修正极大似然估计

排序集抽样(RSS)是一种有效的收集数据的方法.在求解RSS下单指数分布均值的极大似然估计(MLE)时,由于无法得到MLE的显性解,通常的做法是给似然方程中的后两项函数同时取均值,得到修正MLE(MMLE).该文重点考虑了仅给一项取均值,且证明了仅给一项取均值得到MMLE依然是无偏估计.数值比较表明,给一项取均值得到的MMLE方差一致小于给两项取均值得到MMLE的方差,且非常接近未修正MLE的均方差,同时小于简单随机抽样(SRS)下MLE的方差.     

资产方程中回归函数的局部线性加权估计

通过将标的资产价格所满足的积分方程转化为回归模型,建立了回归模型中回归函数的局部线性加权估计.利用回归函数的估计构造漂移系数的样本估计量,并证明了所构造样本估计量的均方收敛性.从而使利用样本估计量构造漂移系数的估计成为可能.     

环形区域上的二维均匀分布及其估计

研究环形区域上的二维均匀分布及面积的估计问题。首先用极大似然法求出对应参数的估计量,再通过多个参数的估计量构造出区域面积的点估计量,在得到有较好结论的点估计量的基础上,最后借助面积这一常量对区域面积作出区间估计。