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
Efficient Importance Sampling for the Left Tail of Positive Gaussian Quadratic Forms
估计高斯随机向量中二次型的左尾在许多应用中具有重要的实际意义。在这封信中，我们提出了一个有效的重要性抽样估计，并赋予有界相对误差性质。与朴素蒙特卡罗（MC）相比，该属性显著减少了所提出的估计器所需的模拟运行次数，特别是当感兴趣的概率非常小时。选定的模拟结果来说明我们的估计相比，天真MC以及一些众所周知的近似的效率。
2020-09-06 stat.AP
Product-limit estimators of the gap time distribution of a renewal process under different sampling patterns
该研究将更新过程间隔时间分布的非参数估计归为特定抽样框架下的生存分析问题，介绍了数种简单乘积限估计量虽效率有限但仍适用的场景。
2023-05-01 stat.AP stat.ME
Nonlinear Digital Post-Processing to Mitigate Jitter in Sampling
本文介绍了几种新的算法估计的周期性带限信号的参数，从样本损坏的抖动（定时噪声）和加性噪声。经典的（非随机）和贝叶斯公式被认为是：期望最大化（EM）算法的开发计算的极大似然（ML）估计的经典估计框架，和两个吉布斯采样器提出了近似的贝叶斯最小二乘（BLS）估计独立分布的参数根据一个统一的先验。仿真结果表明，使用这些算法相比，线性估计实现显着的性能改善。最大似然估计也比较克拉美-罗下限，以确定抖动的范围，估计近似有效。这些仿真证明，本文推导的非线性算法可以容忍比线性估计器高1.4-2倍的抖动，从而将片内ADC功耗降低50- 75%。
2008-09-24 stat.AP
Remote sensing to reduce the effects of spatial autocorrelation on design-based inference for forest inventory using systematic samples
系统抽样常用于森林资源清查估算样地选址。然而，它是不可能的，以获得一个设计无偏方差估计的系统样本使用一个随机开始。因此，许多森林资源调查分析师采用方差估计，设计无偏以下简单随机抽样，他们的系统样本，即使这通常会导致保守的估计误差。我们探讨了空间自相关对系统抽样采用重复抽样时方差估计的影响。我们生成了一个序列的1000个合成人口与空间自相关性不断增加，并重复从每个样本，以研究如何作为空间自相关性的变化估计的性能变化。我们还反复从马萨诸塞州哈佛森林的一棵树的普查地块的样本，并检查类似的估计的性能。结果表明，将简单随机抽样后无偏的方差估计量应用于来自表现出较强空间自相关性的群体的系统样本往往更加保守。我们还发现，将辅助壁到壁协变量，例如，遥感数据，使用广义回归估计，可以减少方差高估解释人口的一些或所有的空间结构。
2018-10-19 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
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
Sequential Decentralized Parameter Estimation under Randomly Observed Fisher Information
我们考虑使用无线传感器网络的分散估计问题。具体而言，我们提出了一种新的框架，基于电平触发采样，非均匀采样策略，和序贯估计。所提出的估计器可用作非衰落侦听信道（传感器通过其收集观测）下的渐近最优固定样本大小分散估计器，作为文献中常见的单次估计器的替代方案。它也可以被用来作为一个渐进最优的序贯分散估计衰落侦听信道下。我们证明了高斯噪声下的最优集中估计是由两个过程表征的，即观测到的费舍尔信息U_t和观测到的相关性V_t。注意，在非衰落监听信道下，只有V_t是随机的，而在衰落监听信道下，U_t和V_t都是随机的。在所提出的方案中，每个传感器计算其本地随机过程（es），并发送一个单一的比特到融合中心（FC），每当本地随机过程（es）通过（es）某些预定义的水平。FC在从传感器接收到比特时，更新其对相应全局随机过程的近似，并相应地更新其估计。当观察到的费舍尔信息（或其近似值）达到目标值时，序贯估计过程终止。我们提供了一个渐近分析的估计，也是一个基于传统的均匀时间采样下的非衰落和衰落信道，并确定条件下，他们是渐近最优的，一致的，渐近无偏的。分析结果和仿真结果表明，基于水平触发抽样的估计器优于基于均匀抽样的分散估计器.
2013-09-22 stat.AP
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
Reduced Bias for respondent driven sampling: accounting for non-uniform edge sampling probabilities in people who inject drugs in Mauritius
注射毒品的人是一个重要的研究人群，以减少包括艾滋病毒和肝炎在内的血液传播疾病的传播。在本文中，我们估计艾滋病毒和丙型肝炎的流行率在注射毒品的人，以及注射毒品的人谁是女性在毛里求斯的比例。受访者驱动抽样（RDS），广泛采用的链接跟踪抽样设计，用于收集样本难以到达的人群，用于收集此样本。许多常见RDS估计器的基础随机游动近似假设基础社交网络中的每个社交关系（边缘）在样本集合中被追踪的概率相等。这一假设在实践中并不成立。我们发现，某些RDS估计是敏感的违反这一假设。为了解决这一限制，在目前的方法，它可能对患病率估计的影响，我们提出了一种新的方法，用于改善RDS患病率估计使用估计的边缘包含概率，并将其应用于毛里求斯的数据。
2017-12-26 stat.AP
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 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
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
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
A Biased Estimator for MinMax Sampling and Distributed Aggregation
University of Minnesota（明尼苏达大学）
提出有偏MinMax估计方案B-MinMax，通过增加偏差换取方差减小，在无聚合或小样本聚合场景下获得更低的MSE。
2024-04-26 cs.DC cs.LG stat.AP
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
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
