比估计的两个常用的方差估计量的小样本比较

本文利用冯士雍和邹国华［１］或Ｓｕｎｄｂｅｒｇ［２］提出的比较方差估计量的新准则对比估计的两个常用的方差估计量进行了小样本比较．这是Ｃｏｃｈｒａｎ［３］提出的一个公开问题．我们的结果在一定的意义下回答了该问题．     

估计总体方差时样本容量的选取

通过样本方差对总体方差估计时产生的误差分析，得出估计总体方差时样本容量的选取方法。     

系统抽样时方差估计量的比较──一种新的比较准则

本文提出了一种新的比较抽样调查中方差估计量好坏的准则，并利用它对K．M、Wolter所著书[1]中的若干系统抽样的方差估计量进行了比较与改进．     

方差分量的非负定无偏MINQE估计

§1 引言对于线性模型Y=Xβ+ε(1.1)其中 Eε=0,Eεε′=θ_1V_1+…+θ_pV_pV_θ≥0,V_1,…,V_p 皆为已知对称矩阵,θ=(θ_1,…,θ_p)′为未知参数称为方差分量;此外,X 是已知矩阵,β为未知参数,在很多场合如随机效应模型,各个方差分量都是非负的,因此很自然地要求相应的估计量也是非负的,为此,C.R.Rao 提出用非负定无偏的 MINQE 估计(记为 MINQE(U,NND)来作为方差分量的估计,并两次指     

基于Bootstrap法的样本函数条件极值的方差估计(英文)

对样本函数条件极值中γ2的估计进行了探讨,给出了γ2估计的一种方法—自助法,并对所得到的统计量的性质进行了分析.     

Fay平衡半样本的方差估计的基本理论和应用

方差估计是抽样调查的重要组成部分,在实际的抽样设计中,往往通过复杂的细分层提高样本的代表,平衡半样本方法成为方差估计的主要方法之一。本文主要阐述Fay平衡半样本方法的基本原因和应用,并对针对该方法存在的问题进行改进,最后通过一个实例模拟阐述其在实际调查中的应用。     

混合样本方差的优良性

常见的教科书中通常采用混合样本方差作为方差相等的两个正态总体方差的估计,而对其优良性却鲜有解释.在本文中,我们证明了混合样本方差是总体方差的UMVUE,即一致最小方差无偏估计.     

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.     

多元线性混合模型方差分量矩阵的非负估计

本文研究了带有两个方差分量矩阵的多元线性混合模型方差分量矩阵的估计问题.对于平衡模型,给出了基于谱分解估计的一个方差分量矩阵的非负估计类.对于非平衡模型,给出了方差分量矩阵的广义谱分解估计类,讨论了与ANOVA估计等价的充要条件.同时,在广义谱分解估计的基础上给出了一种非负估计类,并讨论了其优良性.当具有较小二次风险的非负估计不存在时,从估计为非负的概率的角度考虑,将Kelly和Mathew(1993)提出的构造具有更小取负值概率的估计类的方法推广到本文的多元模型下,给出了较谱分解估计相比有更小取负值概率和更小风险的估计类.最后,模拟研究和实例分析表明文中理论结果有很好的表现.     

基于s估计σ引出的无偏修正

用s去估计总体分布的标准差σ不是无偏估计,在特定总体分布下,可以通过简单的修正达到无偏估计.修正系数的确定与样本容量有关.     

非线性模型中方差和协方差分量的Bayes估计

本文采用Bayes方法从有逆gamma先验信息出发,得到了非张性模型中方差和协方差分量的估计,本文中的方差和协方差分量包含相关系数,而其他学者提出的线性模型中方差和协方差分量的Bayes估计只是本文的特殊情况.     

椭球约束下误差方差非负二次估计的可容许性

本文给出了线性模型中椭球约束下，误差方差非负二次估计可容许的一个必要条件，并且，对于线性模型中设计阵X＝1nj=(1,1,…，1）′的特殊情形，本文给出了一个充要条件。     

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。     

混合整数线性模型方差分量的Bayes估计

本文研究了混合整数线性模型方差分量在无信息先验分布和有信息先验分布下Bayes估计，给出了混合整数线性模型方差分量无信息和：有信息先验分布下的极大后验估计和最佳Bayes估计。     

指令性抽样下总体均值和方差的估计及其应用

指令性抽样下的样本往往不具有代表性,因此仅用它们来推断总体将是不适合的,这篇文章基于观察信息,利用概率统计方法将没有发出调查指令的样本信息补充出来,然后利用观察信息和补充信息一起来对总体进行推断.具体我们给出了总体均值和方差参数估计的迭代公式,并给出它们在经济犯罪调查和流行病调查中的应用.     

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。     

面向SNS大数据的捕获移出模型抽样估计

捕获移出模型起源于生物种群调查和特殊社会网络的研究,是一种复杂抽样方法,一般用于对不确定群体的总量规模和方差进行估计。本文将改进的捕获移出模型应用到社交网络传播规模的抽样估计中,对网络信息的传播范围和波及人群进行了初步估计,并以近期北京频繁出现的"雾霾"事件的自由传播为例进行了实证分析。研究表明,捕获移出模型可以对社交网络中的热点事件的传播规模和再传播的概率进行有效估计,从而说明社交网络已逐渐成为公共话语空间的重要传播路径和传播方式。面对社交网络的迅速蔓延,本文对大数据环境下的抽样估计方法也进行了初步的探索和实践。     

批发零售贸易业、餐饮业抽样调查方案及数据处理方法

本文介绍我国批发零售贸易业、餐饮业调查的抽样方案,方案以省为总体,区县为初级抽样单元,为满足对部分地市(域)估计的需要,对区县的抽样考虑了不放回样本追加。文中也给出了与抽样方案配套的总体和域目标量的估计及相应的方差估计公式。     

不连续分布的植被抽样调查

韦希勤．不连续分布的植被抽样调查．数理统计与管理，１９９８，１７（３），４１～４４．本文介绍两种截线抽样方法。这两种方法均适合于不连续分布的植被调查。后一种方法也适合于某些野生动物的数量分布调查