中位数排序抽样下参数的极大似然估计

将排序集抽样方法进行改进,提出了一种新的中位数排序抽样方法,基于这一抽样方法提出了样本参数的极大似然估计,并进一步与传统抽样方法下估计的结果作比较,从估计渐进效率的角度说明了该方法的优良性.

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.

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.

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.

正态总体下参数的优化极大似然估计方法

文章讨论了一种新的抽样方法,基于这一抽样方法提出了样本参数的优化极大似然估计,并进一步与简单随机抽样下的参数的极大似然估计结果作比较,从估计渐进效率的角度说明了该方法的优良性。

不同类型排序集抽样下skew-normal分布的Fisher信息量

Fisher信息量是统计推断的基本概念,在统计分析的许多领域中都发挥着重要作用.文章分别在简单随机抽样,排序集抽样(RSS),极值RSS (ERSS)和中位数RSS (MRSS)下研究了skew-normal分布中对应样本所含偏度参数的Fisher信息量.数值结果显示,同等样本容量不同类型完美排序集样本比简单随机样本提供更多的信息.数值结果也显示所有信息都会因排序出错而减少.