基于中位数排序集抽样的Wilcoxon符号秩检验(英文)

提出了基于中位数排序集抽样的Wilcoxon符号秩检验.证明了该检验统计量是渐近适应任意分布的,并系统地证明了该检验统计量的Pitman效率不仅高于简单随机样本的Wilcoxon符号秩统计量,还优于中位数排序集抽样的符号统计量.

基于中位数排序集抽样的符号检验

文章提出中位数排序集抽样下总体中位数的符号检验,证明了新检验统计量具有渐近正态性,并系统验证了新统计量的检验功效一致优于排序集抽样下和简单随机抽样下符号检验统计量。

中位数排序集抽样下总体均值的比率估计方法

分析了中位数排序集抽样下总体均值的比率估计方法,证明了该估计量具有渐进无偏性,并讨论了两种抽样方法下估计量的相对效率.算例表明,在总体分布为正态分布的情况下,基于中位数排序集样本的比率估计比随机抽样下的比率估计效率高.

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.

中位数排序集抽样下总体均值的比率估计方法

文章探讨了中位数排序集抽样下总体均值比率估计的方法。通过对不同抽样方法的估计量进行效率对比,证明在总体分布为正态分布的情况下,基于中位数排序集样本的比率估计比随机抽样的样本比率估计效率高。

基于中位数排序集样本的比率估计改进方法

基于中位数排序集样本提出了比率估计的一种改进方法,计算了该估计量的偏差和均方误差,分析了比率系数的优化方法,并讨论了不同抽样方法下估计量的相对效率。算例表明,正态分布下基于中位数排序集样本的改进比率估计可以提高估计效率。

基于非均等排序集抽样的符号检验

为检验未知总体的中位数,提出基于非均等排序集抽样的符号检验.通过比较符号检验的Pitman效率,表明非均等排序集抽样效率高于排序集抽样和简单随机抽样.考虑到非均等排序集样本独立但不同分布,提出与秩次有关的加权符号检验,具体给出使检验效率达到最大的权数,并证明出最优权数具有适应任意分布性.Pitman相对效率的计算结果表明,非均等排序集抽样下最优加权符号检验优于排序集抽样下最优加权符号检验.最后,对阔叶松树的一组真实数据进行了实际应用.

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.

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。

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.

基于中位数排序集抽样的区间估计

利用中位数排序集样本的次序统计量来构造未知总体中位数的区间估计,证明了新估计具有适应任意分布性,并系统验证了新区间估计的精度一致高于排序集抽样下总体中位数的区间估计。最后将针叶树的一组真实数据进行了实际应用。

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.