基于重排序集抽样的符号检验

提出基于重排序集抽样的符号检验,给出相应的极限分布,并讨论了相对于基于简单随机抽样和排序集抽样的符号检验统计量的渐近效率,得出此检验具有较高的功效。

基于非均等排序集抽样的Wilcoxon符号秩检验

为了检验未知总体的对称点,建立了非均等排序集抽样下的Wilcoxon符号秩检验统计量,证明了在原假设下其分布具有对称性和适应任意分布性,证明了新检验统计量的渐近正态性,并给出新检验的Pitman效率因子.Pitman渐近相对效率的计算结果表明,新检验优于简单随机抽样下和均等排序集抽样下的符号秩检验.

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.

排序集抽样下指数分布的产品可靠度研究

为了提高指数分布产品可靠度的估计效率,研究了基于排序集抽样方法的极大似然估计量(Maximum likelihood estimator,MLE),证明了新MLE具有存在性、唯一性和渐近正态性,并通过排序集样本的Fisher信息得到MLE的渐近方差。针对似然方程没有显式解的问题,利用部分期望法对MLE进行修正,并给出其具体表达式。渐近相对效率和模拟相对效率的研究结果表明:排序集抽样下MLE和修正MLE的估计效率都一致高于简单随机抽样下MLE。最后,将推荐方法应用到转移性肾癌的临床研究中。

基于广义排序集样本的分位数估计

为提高总体分位数的估计效率,提出基于广义排序集抽样的非参数加权估计量.根据估计量的强相合性和渐近正态性,给出了在任意给定的抽样方案下使渐近方差达到最小的权数.再利用最优权数的适应任意分布性,证明出使估计效率达到最大的抽样方案是从所有排序小组中挑选具有同一次序的观测值.通过对渐近相对效率的数值计算和一组真实数据的实际应用,表明最优加权估计功效高于无权估计,最优排序集抽样效率高于标准排序集抽样和简单随机抽样.

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.

随机删失模型下排序集样本的非参数估计与应用

针对生存分析中经常出现的随机删失模型,文章提出排序集抽样下生存函数的乘积限估计量,证明了新估计量的渐近正态性,确定了其渐近方差,并与简单随机抽样下相应估计量进行了估计效率的比较,结果表明排序集抽样效率高于简单随机抽样。最后,我们对肾癌患者的临床数据进行了实际应用。

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。

符号检验的最优排序集抽样(英文)

提出检验总体分位数的基于排序集抽样的符号检验,分析了不同挑选抽样相对于均衡抽样的Pitman渐近效率.针对不同分位数,具体给出使符号统计量的效率达到最大的抽样设计,并且证明了最优抽样不依赖于总体分布.

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.

基于分层排序集抽样方法的改进比率估计

基于分层排序集样本提出了总体均值的改进比率估计方法,讨论了改进比率估计量的均方误差和偏差估计式,证明了改进的比率估计比原来的联合比率估计更加有效.最后,利用一组幼儿黄疸病胆红素含量的数据进行实例分析,结果表明,基于分层排序集样本的改进比率估计可以有效提高估计精度.

基于排序集样本的最优挑选设计

本文提出检验总体分位数的基于排序集挑选抽样的符号检验,分析了不同挑选设计相对于均衡设计的Pitman渐近效率。具体给出不同分位数的最优设计,并且最优设计不依赖于总体分布。

辅以排序集样本的分层抽样方法研究

分层抽样中,样本在各层中的不同获取方式会对估计量的精度和试验费用产生一定的影响,而已有的理论方法大多不能在提高精度的同时降低调查费用。为此,将排序抽样与分层抽样方法相结合,提出了辅以排序集样本的分层抽样方案,并得到了总体均值的估计量以及这一估计量的良好性质。这些结果表明,与单一的分层随机抽样相比,这种抽样设计的估计量具有更高的精度,同时也节约了各层抽样调查的费用。

基于排序集挑选抽样的分位数符号检验

针对传统的符号统计量只能检验中位数的弊端,提出检验总体分位数的基于排序集挑选抽样的符号统计量。并通过分析挑选抽样与均衡抽样的Pitman相对效率,具体给出不同分位数的最优抽样,弥补了排序集抽样在检验极端分位数上的不足。

基于排序集抽样的分布估计

文章在排序集抽样下提出了对称分布函数的一个新估计量,证明出新估计量一致优于文献[1]提出的估计量,并分析出使相对功效达到最大的样本小组数。

排序集抽样下随机截尾数据的平均寿命估计

为了提高随机截尾数据平均寿命的估计效率,采用平均秩思想,提出了基于排序集抽样方法的非参数估计量,证明了新估计量的渐近正态性,确定了其渐近方差,并与简单随机抽样下相应估计量进行了估计效率的比较,结果表明,排序集抽样效率高于简单随机抽样.最后,实际数据的应用结果验证了理论结果的正确性.

基于排序集样本和双辅助变量的比率估计改进方法

基于排序集样本和双辅助变量建立总体均值的改进比率估计量,研究了估计量的偏差和均方误差,并从理论上比较了两种抽样方法下的估计效率,最后借助随机模拟和实际例子分析了比率估计方法的有效性.结果表明,利用双辅助变量的改进比率估计精度明显高于简单随机抽样或者单辅助变量比率估计.

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.

基于排序集样本和辅助变量中位数的均值比率估计方法

排序集抽样下利用辅助变量中位数构建了总体均值的改进比率估计模型,分析了该比率估计量的偏差和均方误差,并与简单随机抽样下的比率估计比较,证明了改进后的比率估计均方误差更小。以农作物播种面积和产量为研究对象进行实例分析,研究表明,基于排序集样本和辅助变量中位数的比率估计方法可以有效提高估计精度,验证了该构造方法的可行性。

排序集抽样下随机删失数据的乘积限估计

为了估计未知总体的生存函数,提出排序集抽样下随机删失数据的乘积限估计量,证明了新估计量的强相合性,确定了其强收敛速度,并与简单随机抽样下相应估计量进行估计效率的比较,结果表明排序集抽样效率高于简单随机抽样.最后,对生态环境的一组真实数据进行了实际应用.