Asymptotic normality in multi-dimension of nonparametric estimators for discrete-time semi-Markov chains
本文证明了马尔可夫更新链转移概率非参数估计量的多维渐近正态性，并将其应用于相关半马尔可夫链的其他非参数估计量。
2023-04-08 math.PR math.ST stat.TH
Horvitz-Thompson estimators for functional data: asymptotic confidence bands and optimal allocation for stratified sampling
当处理非常大的函数数据集时，调查抽样方法是有用的，以便获得简单函数量的估计值，而不必存储所有数据。我们在这里提出一个霍维茨-汤普森估计的平均轨迹。在超总体框架的背景下，我们证明在温和的正则条件下，我们获得了均值函数及其方差函数的一致相合估计量。通过对抽样设计的额外假设，我们陈述了一个功能性的中心极限定理，并推导出渐近置信带。详细研究了分层抽样问题，得到了考虑均值方差准则的最优分配规则的函数形式。这些技术通过N=18902个电表的测试群体来说明，对于这些电表，我们在一周内每30分钟测量一次个人用电量。我们表明，分层可以大大提高估计的准确性和减少的宽度相比，简单随机抽样没有更换的全球置信带。
2010-09-29 stat.AP stat.ME
From the entropy to the statistical structure of spike trains
我们使用脉冲序列数据的熵率的统计估计，以便对脉冲序列本身的基本结构进行推断。我们首先研究了一些不同的参数和非参数估计（一些已知的和一些新的），包括“插件”方法，几个版本的Lempel-Ziv压缩算法，一个最大似然估计量定制更新过程，和自然估计来自上下文树加权法（CTW）。这些估计的理论性质进行了检查，开发了几个新的理论结果，和所有的估计系统地适用于各种类型的合成数据，在不同的条件下。我们的主要重点是这些熵估计的性能（二进制）脉冲序列的28个神经元同时记录一个小时的时间从初级电机和背运动前皮质的猴子。我们展示了如何使用熵估计来测试数据中长期结构的存在，并构建了更新过程模型是否适合这些脉冲序列的假设检验。此外，通过应用CTW算法，我们推导出我们的经验数据的最大后验（MAP）树模型，并评论它揭示的底层结构。
2008-03-27 cs.IT math.IT math.PR
Nearest neighbor ratio imputation with incomplete multi-nomial outcome in survey sampling
无应答是调查抽样中常见的问题。适当的处理可能具有挑战性，特别是在处理总额的详细细目时。通常，最近邻插补方法用于处理此类不完整的多项式数据。本文研究了最近邻比插补估计，该估计利用辅助变量识别最近邻的捐赠者，并将捐赠者的比例向量应用于接受者的总和，实现比插补。为了估计渐近方差，我们首先将最近邻比填补作为预测匹配填补的特殊情况，并应用\cite{yang2020asymptotic}的线性化方法。考虑到不可忽略的抽样比，参数和广义可加模型被用来纳入插补估计的平滑性，这导致一个有效的方差估计。我们应用所提出的方法来估计支出细节项目的基础上，从2018年收集的经验数据的服务年度调查，由美国人口普查局进行。我们的仿真结果证明了我们提出的估计的有效性，也证实了派生的方差估计具有良好的性能，即使在抽样比是不可忽略的。
2022-02-23 stat.AP stat.ME
Improved Horvitz-Thompson Estimator in Survey Sampling
Horvitz-Thompson（HT）估计量在调查抽样中有着广泛的应用。然而，HT估计的方差变大时，包含概率是高度异质性的。为了克服这一缺点，本文对一阶包含概率采用了硬阈值方法，即仔细选择一个阈值，然后用该阈值代替小于阈值的包含概率。通过这种收缩策略，我们提出了一种新的估计称为改进的Horvitz-Thompson（IHT）估计的人口总数。IHT估计器提高了估计精度，但带来的偏差相对较小。我们推导了IHT估计的均方误差及其无偏估计量，并从理论上比较了IHT估计和HT估计。我们也应用我们的想法来构造改进的比率估计。我们数值分析模拟和真实的数据集，以说明所提出的估计是更有效和更强大的比经典的估计。
2018-04-11 stat.ME
Inference for two-stage sampling designs with application to a panel for urban policy
住户和健康调查通常采用两阶段抽样设计。为了产生具有各种置信区间的可靠估计量，需要Horvitz-Thompson估计量的一些基本统计性质，如一致性和渐近正态性，以及各种方差估计量的一致性。这些性质主要是研究单阶段抽样设计。在这项工作中，我们证明了一致性的Horvitz-Thompson估计和相关的方差估计的一般类的两阶段抽样设计，在温和的假设。我们还研究了第一阶段采用大熵抽样设计的两阶段抽样，并通过耦合论证证明了Horvitz-Thompson估计量是渐近正态分布的。当第一级抽样比可忽略时，本文提出了简化的方差估计，它不需要估计一级单元内的方差，并证明了它们是相容的。一个应用程序的城市政策，这是这项工作的最初动机小组，也提出。
2019-01-04 stat.ME
Transformed Naive Ratio and Product Based Estimators for Estimating Population Mode in Simple Random Sampling
本文提出了一种基于变换朴素比和乘积的估计方法，用于无替换简单随机抽样下总体模型的估计。在一定的自然总体和人工生成的数据集上，研究了所提出的变换朴素比率型估计量的性能的偏差、均方误差、相对效率、均方误差的精确值与模拟均方误差的比值以及置信区间.我们已经证明，建议的转换朴素比估计是更有效的比朴素估计和朴素比估计的人口模式。
2019-07-01 stat.ME
Network Structure and Biased Variance Estimation in Respondent Driven Sampling
本文探讨了被访者驱动抽样（RDS）中抽样方差估计的偏差问题。以前的RDS方法学工作集中在其有问题的假设和偏差和效率低下的人口平均估计。尽管如此，研究人员只给予轻微的关注，估计抽样方差RDS的主题，尽管方差估计的重要性，置信区间和假设检验的建设。在本文中，我们表明，RDS抽样方差的估计依赖于一个关键的假设，即网络是一阶马尔可夫（FOM）的因变量的利益。我们证明，通过直观的例子，数学概括，和计算实验，目前的RDS方差估计将总是低估RDS在不符合FOM假设的经验网络的人口抽样方差。对Facebook和Add Health的215个大学和学校网络的分析表明，我们分析的每个经验网络都违反了FOM假设，这些违反行为导致了抽样方差的RDS估计值存在很大偏差。我们提出并测试了两种替代方差估计，显示出一定的承诺，减少偏见，但也说明了估计抽样方差的限制，只有部分信息的底层人口社会网络。
2015-12-04 cs.SI stat.AP stat.ME
Combining cluster sampling and link-tracing sampling to estimate the size of a hidden population: asymptotic properties of the estimators
Félix-Medina和Thompson（2004年）提出了一种联系追踪抽样的变体，以估计吸毒者、性工作者或无家可归者等隐藏人口的规模。在他们的变体中，构建了人口成员倾向于聚集的地点的抽样框。该框架并不假定覆盖整个人口，而只是覆盖其中的一部分，而是选择一个简单的随机样本;确定样本点的人口，并要求他们说出加入样本的其他人口成员的名字。这些作者提出了人口规模的极大似然估计，该估计来自于在抽样地点发现的人数的多项模型和认为一个人被特定抽样地点中的任何元素命名的概率（链接概率）不依赖于命名的人，即概率是齐次的模型。后来，Félix-Medina等人（2015）提出了人口规模的无条件和条件极大似然估计，该估计来自一个考虑了链接概率异质性的模型。在这项工作中，我们考虑这种抽样设计和设置条件的一般模型的链接概率，保证一致性和渐近正态的人口规模的估计和模型的参数估计的链接概率。特别地，我们证明了总体大小的无条件和条件极大似然估计是一致的，并且具有彼此不同的渐近正态分布。
2015-06-20 stat.ME
Estimating the rate of defects under imperfect sampling inspection - a new approach
我们考虑的问题，估计的缺陷率（平均每项缺陷数），给定两个独立的不完美的检查员检测到的一个样本的项目的缺陷计数。与众所周知的“捕获-重新捕获”方法的设置相反，我们{ \it{do not} }具有关于由{ \it{both} }检查器联合检测到的缺陷数量的信息。我们解决这个问题，通过构建两种类型的估计-一个简单的矩型估计，和一个复杂的最大似然估计。这些估计的性能进行了研究分析，并通过模拟。结果表明，极大似然估计优于矩型估计。并与捕获-再捕获方法作了系统的比较。
2019-04-22 stat.ME
Strong uniform consistency of nonparametric estimation for quantile-based entropy function under length-biased sampling
本文研究长度偏差抽样下基于分位数的 Shannon 熵的非参数估计，证明两种估计量的强一致相合性，并通过模拟和真实数据验证其有效性。
2025-09-19 stat.ME
Sampling-based federated inference for M-estimators with non-smooth objective functions
本文提出基于MCMC采样和第二阶段扰动的联邦推断框架，用于非光滑M估计量，并通过基于差异性度量和lasso正则化的自适应站点选择策略实现最优渐近效率，防止负迁移。
2025-05-05 stat.ME
Predictive mean matching imputation in survey sampling
预测均值匹配插补是调查抽样中处理项目无应答的常用方法。本文研究了总体均值的预测均值匹配估计的渐近性质。对于方差估计，由于匹配估计的非光滑性，固定匹配的匹配估计量的传统自举推断已被证明是无效的。我们提出了渐近有效的复制方差估计。关键策略是直接基于线性项而不是变量的单个记录来构建估计量的重复。扩展到最近邻填补也进行了讨论。仿真研究证实，新的程序提供了有效的方差估计。
2018-01-12 stat.ME
Nearest neighbor imputation for general parameter estimation in survey sampling
最近邻插补是调查抽样中处理项目无应答的常用方法。本文研究了一般总体参数，包括总体均值、比例和分位数的最近邻填补估计的渐近性质。对于方差估计，由于匹配估计的非光滑性，具有固定匹配数的匹配估计的传统自举推断已被证明是无效的。我们提出了渐近有效的复制方差估计。关键策略是直接基于线性项而不是变量的单个记录来构建估计量的重复。仿真研究证实，新的程序提供了有效的方差估计。
2017-06-30 stat.ME
Optimal two-phase sampling designs for generalized raking estimators with multiple parameters of interest
University of Washington（华盛顿大学）；Vanderbilt University（范德堡大学）；University of Auckland（奥克兰大学）；Kaiser Permanente Washington Health Research Institute（凯撒永久华盛顿健康研究所）
本文研究了在多个感兴趣的参数下，通过双阶段抽样设计优化通用加权估计器的效率，提出多种分配策略并通过模拟和实际数据验证，发现独立优化每个参数的分配比传统配对抽样更有效，且最优设计对GR和IPW估计器有显著影响。
2026-03-19 stat.ME
Weighted sampling, Maximum Likelihood and minimum divergence estimators
本文研究了Sanov型大偏差概率下参数模型的极大似然。加权抽样下的参数模型的极大似然估计被证明与相对于权重分布定义的特定发散准则的最小化有关。由此产生的推理过程的一些属性; Bahadur效率的测试也被认为是在这种情况下。
2012-07-27 math.ST stat.ME stat.TH
Deductive semiparametric estimation in Double-Sampling Designs with application to PEPFAR
在随访时间较长的研究中，不可预测的脱落是常见的，除非仔细处理，否则可能会使研究结果产生偏倚。双重抽样设计分配额外的资源，以追求辍学的子样本，并找出他们的结果，这可以解决潜在的偏见，由于不可解释的辍学。由于半参数估计具有稳健性，因此需要构造双重抽样设计的半参数估计。然而，获得这样的半参数估计仍然是一个挑战，由于有效影响函数（EIF）的解析形式的要求，其推导可以是特设的和困难的双重抽样设计。最近的工作表明，如何推导的EIF可以演绎和计算机化使用功能的衍生表示的EIF在非参数模型。然而，这种方法需要导出连续分布和点质量的混合，这本身对于诸如双重抽样设计之类的复杂问题来说是具有挑战性的。通过推广演绎和可计算机化的估计方法，提出了双重抽样设计中生存概率的半参数估计。特别是，我们建议建立半参数估计的基础上离散化的支持结构，它近似可能连续的观测数据分布和规避的混合分布的推导。我们的方法是演绎的意义上说，它预计将产生半参数局部有效的估计在有限的步骤内，没有知识的EIF。我们应用建议的估计估计死亡率的双重抽样设计的总统艾滋病紧急救援计划（PEPFAR）计划的组成部分。我们评估了双重抽样选择标准对死亡率估计的影响。
2019-06-26 stat.ME
Model-assisted estimation of domain totals, areas, and densities in two-stage sample survey designs
本研究提出了一套用于两阶段抽样设计的模型辅助估计量，包括新的密度估计量，并通过模拟验证了机载遥感数据在抽样模式下能提高国家森林清查估计精度与效率。
2024-02-16 math.ST stat.AP stat.TH
A comparison of estimators of mean and its functions in finite populations
本文在标准抽样设计下比较了有限总体均值及其函数的多种估计量，基于渐近均方误差构造等价类，发现SRSWOR下PEML估计量及其插入式估计量表现最优，而高熵πPS设计下基于Hájek估计量的插入式估计量渐近MSE最低。
2023-05-24 math.ST stat.ME stat.TH
Asymptotic Analysis of Sampling Estimators for Randomized Numerical Linear Algebra Algorithms
The University of Georgia（佐治亚大学）；University of California at San Diego（加利福尼亚大学圣地亚哥分校）；Harvard University（哈佛大学）；Central University of Finance and Economics（中央财经大学）；International Computer Science Institute（国际计算机科学研究所）；University of California at Berkeley（加利福尼亚大学伯克利分校）
随机数值线性代数（RandNLA）算法在过去几年中的统计分析主要集中在它们作为点估计的性能。然而，这不足以进行统计推断，例如，构造置信区间和假设检验，因为缺乏估计量的分布。在这篇文章中，我们开发了一个渐近分析，以获得分布的RandNLA抽样估计的最小二乘问题。特别地，我们得到了任意抽样概率下一般抽样估计量的渐近分布。分析是在两个互补的环境中进行的，即，当感兴趣的目标是近似全样本估计器或者是推断潜在的地面实况模型参数时。对于每一种设置，我们表明，抽样估计是渐近正态分布在温和的正则性条件下。此外，在这两种情况下，抽样估计量是渐近无偏的。基于我们的渐近分析，我们使用两个标准，渐近均方误差（AMSE）和预期渐近均方误差（EAMSE），以确定最佳的抽样概率。这些最佳抽样概率分布中的几个对于文献是新的，例如，根杠杆抽样估计器和预测器长度抽样估计器。我们的理论结果澄清了杠杆在抽样过程中的作用，我们的实证结果表明，现有的方法的改进。
2020-02-24 cs.LG math.ST stat.ML
Respondent-driven Sampling on Directed Networks
在研究注射吸毒者或男男性行为者等隐蔽人群时，答复者驱动抽样是一种常用的随机抽样替代方法，因为对这些人群没有已知的抽样框。该方法是雪球样本方法的一个扩展，并且在满足某些假设的情况下，可以生成无偏的总体估计。一个不太可能被满足的关键假设是，招聘过程发生的熟人网络是无定向的，这意味着所有招聘人员都应该有可能被他们招聘的人招聘。在这里，我们调查的潜在偏见的直接模拟RDS真实和人工网络结构。我们表明，导向性很可能产生偏见，无法补偿，除非抽样的个人知道有多少可能已经招募他们（即他们的入度），这是不太可能在大多数情况下。基于一个已知的参数，我们提出了一个估计RDS的有向网络时，只有出度观察。通过比较现有的RDS估计器在不同结构网络上的性能，我们发现我们的新估计器，以及最近的估计器，它需要人口规模作为一个已知的数量，有相对较低的估计误差和偏差。基于我们的新估计，敏感性分析可以通过改变已知参数的值，以考虑网络的方向性和报告度的误差的不确定性。最后，我们开发了一个新的估计量的自助程序，以构建置信区间。
2012-04-29 stat.ME
Robust estimation with latin hypercube sampling: a central limit theorem for Z-estimators
Aix-Marseille University（艾克斯-马赛大学）；Institut Mathématique de Toulouse（图卢兹数学研究所）
本文研究了拉丁超立方采样下Z估计量的收敛性与中心极限定理，证明其在效率上的优势。
2026-01-08 math.ST stat.TH
PPI is the Difference Estimator: Recognizing the Survey Sampling Roots of Prediction-Powered Inference
Bentley University（本特利大学）
本文探讨PPI推断框架与调查抽样文献中已确立的估计器的等价性，分析其在方法和贡献上的继承与创新，并呼吁两个领域更深入的整合。
2026-03-19 stat.ME stat.ML
Design-Based and Network Sampling-Based Uncertainties in Network Experiments
该研究针对网络实验中的OLS溢出效应估计，分析了设计与网络抽样两类不确定性下的因果解释问题，发现回归变量相关性会引发污染偏差，推导了渐近分布并提出网络稳健方差估计量，验证了偏差会导致溢出估计偏高。
2025-09-07 econ.EM stat.ME
Optimal Sampling for Generalized Linear Models under Measurement Constraints
在“测量约束”下，测量响应是昂贵的，并且最初在数据集中的大多数记录上不可用，但协变量可用于整个数据集。我们的目标是对数据集中相对较小的部分进行采样，在该部分中将测量昂贵的响应，并且由此产生的采样估计量在统计上是有效的。测量约束要求采样概率只能依赖于一个非常小的响应集。最多只在小规模试点样本上使用响应的抽样程序称为“无响应”。“我们提出了一个无响应采样过程\mbox{(OSUMC)}的广义线性模型（GLM）。使用A-最优性标准，即，渐近方差的迹，所得到的估计量在一类抽样估计量中是统计有效的。本文建立了一类无响应抽样估计量的无条件渐近分布。这一结果是新颖的，与现有的条件结果相比，通过调节两个协变量和响应。在我们的无条件框架下，子样本不再是独立的，新的鞅技术发展为我们的渐近理论。我们进一步推导出A-最优无响应抽样分布。由于这种分布依赖于人口水平的数量，我们提出了测量约束下的最优抽样（OSUMC）算法来近似理论上的最优抽样。最后，我们进行了深入的实证研究，以证明OSUMC算法的优势，现有的方法在统计和计算的角度。
2020-03-26 stat.CO stat.ME
Estimation under cross-classified sampling with application to a childhood survey
交叉分类抽样设计包括从二维总体中抽取样本，每个维度独立。这种设计通常用于消费价格指数调查，最近在法国ELFE调查中也被用于抽取婴儿样本，方法是将产妇单位样本和天数样本交叉。我们建议推导出这种抽样设计的一般估计理论。我们认为霍维茨-汤普森估计的总，并表明，交叉分类设计通常会导致损失的效率相比，广泛的两阶段设计。我们得到了Horvitz-Thompson估计量的渐近分布和几个无偏方差估计量。针对可能出现负值的问题，提出了简化的非负方差估计，并在超总体模型下研究了它们的偏差。建议的估计量进行了比较，模拟数据的总数和比率。本文还介绍了ELFE调查实际数据的应用，并提出了一些建议。补充材料可在网上查阅。
2015-11-02 math.ST stat.ME stat.TH
Inference for two-stage sampling in spatial surveys
本文为连续空间域上的两阶段抽样建立了基于设计的渐近理论，推导了Horvitz-Thompson估计量的方差阶数，证明了估计量的一致性及渐近正态性，并通过森林清查模拟验证了有限样本性能。
2026-09-18 math.ST stat.TH
Improved estimator of the entropy and goodness of fit tests in ranked set sampling
熵是许多统计和工程问题中最适用的不确定性度量之一。在统计文献中，熵用于计算Kullback-Leibler（KL）信息，这是用于执行拟合优度检验的有力平均值。秩集抽样（RSS）在大量的文献研究问题中似乎提供了许多总体参数的改进估计。它是针对感兴趣的变量难以测量或测量成本高的情况而开发的，但在小的子样本中进行排名很容易。本文介绍了两种熵的估计，并对它们进行了比较，同时对简单随机抽样（SRS）中的熵的估计在有偏和均方误差根（RMSE）意义下进行了比较。据观察，RSS计划将改善这种估计。利用熵的最佳估计量和均值的估计量以及基于RSS方案的方差的两个有偏估计量和无偏估计量来估计KL信息，并对指数性和正态性进行拟合优度检验。计算所需的临界值和功率。还观察到，RSS估计器将增加功率。
2011-06-09 stat.CO
Large sample properties of the Midzuno sampling scheme with probabilities proportional to size
Midzuno采样能够无偏地估计比率。在Midzuno抽样下，证明了总数和比率估计的渐近正态性.我们还提出了一致的方差估计。
2019-10-16 math.ST stat.TH
Quantile processes and their applications in finite populations
本文在超总体模型下多种抽样设计中证明有限总体分位数过程的弱收敛性，推导相关估计量的渐近分布并构造置信区间，还比较了估计量性能，发现辅助信息有时会产生不利影响。
2024-11-29 math.ST stat.ME stat.TH
Single-Index Model-Assisted Estimation In Survey Sampling
研究了有限总体估计的模型辅助半参数方法，通过引入多元辅助信息来提高调查估计量的精度。提出的超总体模型是一个单指标模型，已被证明是一个简单而有效的半参数工具，在多元回归。提出了一类基于多项式样条回归的估计量。这些估计是强大的对单指数模型的偏差。在标准设计条件下，所提出的估计量是渐近设计无偏的、相合的和渐近正态的。提供了迭代优化例程，其对于用户来说足够快以在数秒内分析大型且复杂的勘测数据。该方法已被应用于模拟数据集和MU281数据集，这提供了强有力的证据，证实了渐近理论。
2008-12-31 math.ST stat.ME stat.TH
L-Estimation of Population Quantiles Using Ranked Set Sampling
University of Manitoba（曼尼托巴大学）；University of Isfahan（伊斯法罕大学）；The George Washington University（乔治华盛顿大学）
本文提出两种基于秩集抽样的L估计方法，用于估计人口分位数，通过分解秩集设计构造了可扩展的计算方法，并在模拟和实际数据中验证了其效率优势。
2026-05-02 math.ST stat.ME stat.TH
Central limit theorems for pre-averaging covariance estimators under endogenous sampling times
本文考虑两个带噪声的连续Itô半鞅在停时非同步采样.本文在一般的内生时间背景下，建立了它们的积分协方差的预平均Hayashi-Yoshida估计的中心极限定理。特别是，我们表明，时间endoadministration的前平均Hayashi-Yoshida估计，对比的情况下，在纯扩散设置已实现的波动率的渐近分布没有影响。我们还建立了调制实现协方差的中心极限定理，这是另一种基于预平均的集成协方差估计器，并证明了上述性质似乎是预平均技术的一个特殊功能。
2013-07-03 math.ST stat.TH
Markov Renewal Proportional Hazards is All You Need
针对多状态建模中的转移概率估计问题，将半马尔可夫与马尔可夫更新框架应用于EBMT数据集，对比AJ和DSH估计量，证明半马尔可夫模型更优且DSH估计量更平滑，还证明了其弱收敛性。
2025-09-04 stat.AP stat.CO
Robust estimators for the log-logistic model based on ranked set sampling
针对排序集抽样下的 log-logistic 分布，提出基于密度幂散度的形状与尺度参数稳健估计量，推导其渐近分布并通过模拟验证其抗污染性和效率竞争力。
2024-04-04 math.ST stat.TH
On estimators of the mean of infinite dimensional data in finite populations
本文研究了无限维数据下有限总体均值的HT、RHC和GREG估计量，证明了GREG估计量的渐近有效性，并揭示了异方差程度对抽样设计选择及GREG估计量性能的影响。
2023-05-24 math.ST stat.TH
A statistical perspective of sampling scores for linear regression
本文考虑了从噪声样本中学习线性模型的统计问题。现有的工作集中在近似最小二乘解决方案，通过使用基于分数的重要性抽样分布。然而，没有有限样本的统计保证，没有计算效率的最佳采样策略已被提出。为了评估不同抽样策略的统计特性，我们提出了一个简单而有效的估计，这是易于理论分析，是有用的多任务线性回归。对于任何给定的抽样分数，我们推导出所提出的估计的精确均方误差。基于最小化均方误差，我们提出了估计器和预测器的最佳采样分数，并表明它们受到噪声信号比的影响。数值模拟结果与理论分析吻合较好。
2016-02-10 stat.ML
Statistical estimation in the proportional hazards model with risk set sampling
回归参数的Thomas偏似然估计被广泛应用于Cox模型嵌套病例对照数据的分析。本文提出了回归参数的一种新的估计，它是相合的且渐近正态的。它的渐近方差比Thomas的估计量离零点的渐近方差小于。与其他一些现有的估计，建议的估计不依赖于任何更多的数据比严格必要的托马斯估计，是很容易计算的封闭形式的估计方程的唯一的解决方案。方差估计是以估计函数的导数的倒数的负来获得的，因此推断是容易获得的。最后给出了一个数值例子来支持理论。
2004-10-05 math.ST stat.TH
Quantile estimation with adaptive importance sampling
我们引入新的分位数估计与自适应重要性抽样。自适应估计是基于加权样本，既不是独立的，也不是同分布。利用鞅的一个新的重对数律，证明了具有非唯一分位数的一般分布的自适应分位数估计的收敛性，从而推广了Feldman和Tucker [Ann. Math. Statist. 37（1996）451- 457]。我们说明了一个例子，从信贷组合风险分析的算法。
2010-02-26 math.ST stat.TH
Generalized least squares can overcome the critical threshold in respondent-driven sampling
为了对边缘化和/或难以接触到的人群进行抽样，通过同行推荐，采用了应答者驱动抽样和类似技术。在RDS的马尔可夫模型下，以前的研究表明，如果典型的参与者引用了太多的联系人，那么共同估计量的方差不会像$O(n^{-1})$那样衰减，其中$n$是样本量。这意味着置信区间将比典型的抽样设计宽得多。在这里，我们证明了广义最小二乘（GLS）可以有效地减少RDS估计的方差。特别地，理论分析表明GLS估计量的方差是$O(n^{-1})$。然后，我们得到两类可行的GLS估计。第一类基于底层社交网络的度校正随机块模型。第二类是基于二阶模型。这可能是独立的兴趣，在这两个模型类中，理论结果表明，它是可能的估计人口网络的频谱特性，从采样观测。经验社交网络上的模拟表明，可行的GLS（fGLS）估计可以有非常小的误差，很少增加的错误。诊断图有助于确定fGLS将帮助估计的位置。fGLS估计量继续优于标准估计量，即使它们是从错误指定的模型中构建的，并且存在优先招募。
2017-08-16 cs.SI math.PR math.ST
Estimation of component reliability from superposed renewal processes with masked cause of failure by means of latent variables
在一个系统中，有相同的可替换组件工作的一个给定的任务和一个故障的组件被替换的功能之一，在相应的位置，这是一个可修复的系统的特点。假设更换后的元件寿命与旧元件寿命分布相同，则单个元件位置可用更新过程表示，单个系统的多个元件位置构成叠加更新过程。当兴趣在于估计组件的寿命分布，有相当数量的作品，处理这类问题的估计方法。但是，无法获得有关被更换组件的确切位置的信息，即，故障原因被掩盖。在这项工作中，我们提出了两种方法，贝叶斯和极大似然函数的方法，用于估计在一个可修复系统中的组件的故障时间分布与一个掩盖的故障原因。由于我们提出的估计量考虑了潜在变量，因此与文献中常用的估计量相比，它们会产生更好的性能结果。所提出的模型是通用的和简单的任何概率分布。除了点估计，区间估计，这两种方法。使用几个模拟，所提出的方法的性能进行了说明，并显示其效率和适用性的基础上，所谓的缸问题。
2019-05-01 stat.AP
Preliminary Estimators of Population Mean using Ranked Set Sampling in the Presence of Measurement Error and Non-Response Error
针对同时存在无应答误差与测量误差的总体均值估计问题，提出基于排序集抽样和辅助信息的新型估计量，推导其理论性质并通过实验验证其性能优于现有估计量。
2023-10-31 stat.AP stat.ME
On the impossibility of constructing good population mean estimators in a realistic Respondent Driven Sampling model
目前的方法，从受访者驱动抽样（RDS）收集的数据的人口平均估计是基于霍维茨-汤普森估计连同一组假设的抽样模型下，包含概率可以确定从数据中包含的信息。在本文中，我们认为，这样的一套假设是过于简单，是现实的，在现实的抽样模型，情况要复杂得多。具体来说，我们研究了一个现实的RDS采样模型，是由现实世界的RDS数据集的动机。我们表明，对于这个模型，包含概率，这是必要的应用程序的Horvitz-Thompson估计，不能单独由样本中的信息来确定。这意味着，除非获得有关底层人口网络的额外信息，否则从目前的RDS数据中设想人口均值估计的一般理论是无望的。
2014-11-07 stat.AP stat.ME
Conditional bias robust estimation of the total of curve data by sampling in a finite population: an illustration on electricity load curves
出于营销或电网管理的目的，电力公司现在进行了许多基于对客户组的总电力消耗曲线的分析的研究。总负荷曲线或平均负荷曲线是使用在精细时间网格上测量的单个曲线估计的，并根据一些抽样设计收集。由于用电量分布的偏态，这些样本往往包含离群曲线，这可能对通常的估计程序产生重要影响。我们介绍了几个强大的估计的总消费曲线，这是不敏感的离群曲线。这些估计是基于条件偏差方法和鲁棒函数方法。我们还推导出这些稳健估计的均方误差估计，最后，我们评估和比较爱尔兰电力数据的建议估计的性能。
2018-06-27 stat.AP stat.ME
The Effect of Differential Recruitment, Non-response and Non-recruitment on Estimators for Respondent-Driven Sampling
受访者驱动抽样是一种广泛使用的网络抽样技术，旨在从难以接触的人群中进行抽样。根据所得样本进行估计是一个活跃的研究领域，有软件可以计算人口比例的至少四个估计值。每一个估计量都声称解决了以前估计量的不足之处，但这些说法往往是没有根据的。在这项研究中，我们提供了一个基于模拟的比较现有的估计，集中在抽样条件，最近的估计是为了解决。我们发现没有估计一贯优于所有其他的，并强调抽样条件下，每个是首选的。
2010-12-18 stat.AP
A New Estimator For Population Mean Using Two Auxiliary Variables in Stratified random Sampling
本文提出了一种分层随机抽样中使用两个辅助变量的估计量。建议的估计有一个改进的平均每单位估计以及其他一些考虑估计。估计的偏差和均方误差的表达式推导到一级近似。此外，这些理论研究结果的支持与原始数据的数值例子。关键词：研究变量，辅助变量，分层随机抽样，偏倚和均方误差。
2014-03-31 stat.AP
An Improved Estimator In Systematic Sampling
本文采用Bahl和Tuteja（1991）的估计量进行辅助信息系统抽样。在系统抽样下，利用Bedi（1996）变换给出了一种改进的估计量.导出了一阶近似下的偏差和均方误差的表达式。它已被证明，所提出的估计性能优于许多现有的估计。最后给出了一个数值例子来支持理论结果。
2013-07-19 stat.AP
Model Assisted Data Integration: An unbiased sampling strategy to use nonprobability data
Statistics Sweden（瑞典统计局）
本文提出了一种基于模型的数据整合策略，通过结合非概率数据与概率样本，实现无偏估计并降低方差，适用于统计机构的高强度生产流程。
2026-04-01 stat.AP stat.ME
The construction of variance estimators for particulate material sampling
样品中浓度的方差可以使用颗粒质量、浓度和颗粒相关选择的参数的知识来估计。构造了若干方差估计量，其中包括一类混合估计量。
2010-05-17 stat.AP
An improved estimator for population mean using auxiliary information in stratified random sampling
在分层随机抽样的情况下，利用辅助变量x的信息，提出了研究变量y的总体均值的一种新的估计。所提出的估计量的均方误差（MSE）的表达式推导到一阶近似。最后通过数值算例对理论条件进行了验证。通过一个实证研究，证明了所提出的估计量优于样本均值估计量、常用的分离比估计量、分离乘积估计量和其它估计量。
2014-07-03 stat.AP
A family of estimators for estimating the population mean in simple random sampling under measurement errors
本文提出了一种改进的估计量，用于在存在测量误差的情况下，利用辅助信息估计简单随机抽样总体均值。在大样本近似下，推导了估计量的均方误差。此外，考虑到MSE方程的最小情形，得到了所提出的估计量与现有估计量之间的有效性条件。这些理论研究结果的数值例子支持。
2013-12-04 stat.AP
Multivariate dual to ratio type estimators using arithmetic, geometric and harmonic means in simple random sampling
辅助变量在调查抽样中被广泛应用，以提高估计的精度。只要有辅助信息可用，我们就想在估计方法中利用它来获得最有效的估计量。本文利用多辅助信息，提出了基于算术平均、几何平均和调和平均的估计。在一定条件下，基于调和平均数和几何平均数的估计量比基于算术平均数的估计量更有偏。然而，所有三种估计的MSE在一阶近似下是相同的。
2014-10-13 stat.AP
A comparison of pivotal sampling and unequal probability sampling with replacement
我们证明了关键抽样的任何实现都比多项式抽样更有效。这个性质需要Horvitz-Thompson估计的弱相合性和保守方差估计的存在性。一个小的模拟研究支持我们的发现。
2016-09-13 math.ST stat.AP stat.ME
Bayesian Post-Processing Methods for Jitter Mitigation in Sampling
即使在信号先验分布和加性噪声具有正态分布的情况下，来自被抖动（定时噪声）和加性噪声破坏的样本的信号的最小均方误差（MMSE）估计也是非线性的。本文提出了一种基于吉布斯抽样和切片抽样的随机算法来逼近贝叶斯公式中的最优MMSE估计。仿真结果表明，该非线性算法比线性MMSE估计有明显的改进，同时也比期望最大化算法逼近经典估计中的极大似然（ML）估计有明显的提高。通过有效的片外后处理来缓解抖动，可以容忍更大的抖动，从而潜在地降低片内ADC功耗。
2010-10-08 stat.AP
