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
Estimators for the Parameter Mean of Morgenstern Type Bivariate Generalized Exponential Distribution Using Ranked Set Sampling
在研究中的抽样单元可以更容易地根据辅助变量的测量进行排序的情况下,排序集抽样提供了总体均值的无偏估计,它们比基于简单随机样本的无偏估计更有效。本文考虑Morgenstern型二元广义指数分布(MTBGED),在不同的秩集抽样方案下,得到了MTBGED的边缘分布参数均值的几个无偏估计.所有考虑的估计的效率进行评估,并已证明与数值例子。
2014-05-12 math.ST stat.TH
Exponential ratio-product type estimators under second order approximation in stratified random sampling
Singh等人(20009)在分层随机抽样中引入了指数比和乘积型估计量族。在无替换方案的分层随机抽样下,导出了Singh等(2009)及其他一些估计量的偏差和均方误差的一阶和二阶近似表达式.此外,理论研究结果的数值例子支持。
2014-04-08 math.ST stat.TH
Improved Family of Estimators of Population Mean in Simple Random Sampling
本文给出了在有辅助信息的情况下,无替换简单随机抽样总体均值的估计方法。在大样本近似下,导出了估计量的均方误差表达式。我们已经比较了几个现有的估计所提出的估计的性能。理论和实证研究结果是令人鼓舞的,并支持合理的平均估计的建议程序。
2013-08-27 math.ST stat.TH
Some improved estimators for estimating population mean in stratified random sampling
本文对有辅助信息的分层抽样总体均值的估计提出了一些改进的估计。在大样本近似下,得到了估计量的均方误差。在最优条件下,本文提出的估计量优于通常的无偏估计量和Hansen(1946)估计量。理论和实证研究结果是令人鼓舞的,并支持合理的平均估计的建议程序。
2013-09-12 math.ST stat.TH
A General Family of Estimators for Estimating Population Mean in Systematic Sampling Using Auxiliary Information in the Presence of Missing Observations
本文在Khoshnevisan等人(2007)提出的估计族的基础上,提出了一个一般的估计族,用于在存在无响应的情况下估计系统抽样中的总体均值。在本文中,我们讨论了建议的家庭,包括最佳性的一般性质。结果已经说明了数值上采取的经验人口在文献中考虑。
2013-05-08 math.ST stat.TH
Deconvolution with application to estimation of sampling probabilities and the Horvitz-Thompson estimator
我们详细介绍了一种去卷积方法,用于估计未知参数的经验分布,正如Efron(2013)最近提出的那样。它适用于估计的经验分布的抽样概率的m个抽样项目。估计的经验分布被用来修改Horvitz-Thompson估计。改进的Horvitz-Thompson估计的性能研究在两个例子中。在一个示例中,基于访问的次数来估计采样概率,直到获得响应。另一个例子是基于小组抽样的真实数据,在连续四个月内,有相应的四次尝试采访小组中的每个成员。根据成功尝试的次数估计采样概率。我们还简要地讨论了反卷积的进一步应用,包括假发现率的估计。
2013-11-19 math.ST stat.TH
Limit theorems for the pre-averaged Hayashi-Yoshida estimator with random sampling
我们将着重于估计两个扩散过程中观察到的非同步方式的综合协方差。观测数据被一些噪声污染,这些噪声可能与扩散过程的返回相关,而采样时间也可能取决于所观测的过程。在高频情形下,我们考虑了预平均Hayashi-Yoshida估计的一个修正形式,证明了这类估计具有相合性和渐近混合正态性,并获得了最优的收敛速率.
2013-05-06 math.ST stat.TH
On Bayesian Estimation of Densities and Sampling Distributions: the Posterior Predictive Distribution as the Bayes Estimator
本文给出了两个突出的贝叶斯估计问题的最优性结果:平方全变差函数的抽样分布估计和$L^1$ -平方损失函数的密度估计.后验预测分布为这些问题提供了解决方案。文中给出了一些例子,并讨论了分布函数的贝叶斯估计问题。证明了密度估计的相合性。
2021-08-21 math.ST stat.TH
On the design-consistency property of hierarchical Bayes estimators in finite population sampling
当样本量较大时,得到了有限总体均值的分层Bayes估计的一个极限。极限是在普通微积分的意义上,其中样本观测被视为固定量。我们的结果提出了一种简单的方法来纠正分层贝叶斯估计,以实现设计的一致性,一个众所周知的属性在传统的随机化方法,有限总体抽样。我们还提出了三种不同的措施,我们提出的估计的不确定性。
2007-08-14 math.ST stat.TH
Variance estimation and asymptotic confidence bands for the mean estimator of sampled functional data with high entropy unequal probability sampling designs
对于具有高熵的固定大小抽样设计,众所周知,Horvitz-Thompson估计量的方差可以通过Hájek公式近似。这种渐近方差近似的有趣之处在于它只涉及统计单元的一阶包含概率。当研究的变量是函数时,我们推广了这个方差公式,并证明了在一般的个体轨迹和抽样设计的规律性条件下,我们可以得到均值函数的Horvitz-Thompson估计的方差函数的一致收敛估计。给出了拒绝抽样法收敛到真方差函数的速度。我们推导出,在抽样设计的熵的条件下,它是可能的,通过模拟高斯过程的方差函数由哈耶克公式,建立的置信带的覆盖范围是渐近的期望的。最后,建议的方差估计的准确性进行评估,在一个星期内每半小时测量的电力消耗数据的样本。
2013-06-28 math.ST 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
Incidence weighting estimation under bipartite incidence graph sampling
二部关联图抽样为估计的目的提供了许多抽样情况的统一表示,包括现有的非常规抽样方法,如间接,网络或自适应整群抽样,这些方法最初并不被描述为图问题。我们开发了一个大类的线性估计的样本二部关联图的边缘的基础上,设计无偏性的一般条件。这个类包含经典的Horvitz-Thompson估计量作为特例,以及非常规抽样文献中的其他无偏估计量,这些估计量可以追溯到Birnbaum和Sirken(1965)。我们的推广允许设计其他无偏估计,从而提供了一个潜在的应用程序中的效率增益。文中给出了自适应整群抽样、截线抽样和模拟图的例子。
2020-04-08 math.ST stat.TH
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
Robust estimation in finite population sampling
本文提出了有限总体均值的几种稳健估计。这样的估计是特别适合在存在一些离群观测。作为我们的一般结果的特殊情况,包括鲁棒版本的比率估计和Horvitz-Thompson估计。鲁棒估计量是在一定的预测影响函数的基础上导出的。
2008-05-15 math.ST 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
Efficiency of the maximum partial likelihood estimator for nested case control sampling
在对Cox半参数模型中失败和暴露历史之间的关系进行推断时,已知有限维几率参数的最大偏似然估计(MPLE)和基线生存函数的Breslow估计在所有队列成员的所有时间数据都可用时,即使协变量是不定常的,也能达到完全有效。当队列规模变得太大,收集完整的数据,抽样方案,如巢式病例对照抽样必须使用,在各种模型下,存在估计的基础上相同的信息MPLE具有较小的渐近方差。虽然MPLE因此在一般情况下不是有效的,但它在高度分层的情况下接近效率,或者协变量值越来越不依赖于过去的情况下,当协变量分布不依赖于感兴趣的真实参数时,是未知的并且没有删失。特别是,在这种情况下,当使用巢式病例对照抽样设计时,MPLE和Breslow估计的基线生存函数达到的信息下界都在分布和极大极小意义上的限制作为队列成员的数量趋于无穷大。
2009-06-12 math.ST stat.TH
Stochastic comparisons of stratified sampling techniques for some Monte Carlo estimators
我们比较估计的(本质)上确界和积分的函数$f$定义在一个可测空间时,$f$可以观察到在其域中的点的样本,可能有错误。比较的估计量不同的层次的域,其结果是,更精细的分层是更好的不同的标准。重点是与随机订单的标准。例如,我们不是通过方差(对于无偏估计量)或均方误差来比较$f$的积分估计量,而是在可能的情况下尝试更强的凸阶比较。对于上确界,该准则是基于估计量的随机序。
2011-04-22 math.ST stat.TH
Asymptotic Moments Matching to Uniformly Minimum Variance Unbiased Estimation under Ewens Sampling Formula
Ewens抽样公式是与正整数的随机划分有关的分布。在本研究中,我们研究了分布下参数估计的非存在解问题。在此基础上,利用Ewens抽样公式,得到了一致最小方差无偏估计量的一阶矩和二阶矩匹配估计量。蒙特卡洛模拟研究进行评估的效率所产生的估计。
2021-05-24 math.ST stat.TH
Some Improved Estimators In Systematic Sampling Under Non-response
本文研究了在无响应情况下利用辅助变量信息估计系统抽样总体均值的问题。本文提出了系统抽样中几种修正的比型、乘积型和差型估计,并研究了它们的性质。推导了一阶近似下的均方误差表达式。进行了实证研究,以判断最好的估计建议的估计。
2014-03-05 math.ST stat.ME stat.TH
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 Admissibility in Bipartite Incidence Graph Sampling
本文研究二部关联图抽样中估计量的容许性,在研究单元可经多条抽样路径观测的一般框架下,证明除 Horvitz–Thompson 估计量外还存在其他容许估计量,并涵盖有限总体抽样结论。
2024-09-16 math.ST stat.TH
Estimation of Weibull Shape Parameter by Shrinkage Towards an Interval Under Failure Censored Sampling
本文考虑了两参数韦布尔分布中失效截尾样本中形状参数β的一类收缩估计,当含有参数β的先验区间或猜测区间除了样本信息外是已知的,并分析了它们的性质.一些估计产生的建议类,并与最小均方误差(MMSE)估计。数值计算的百分比相对效率和绝对相对偏差表明,某些这些估计大大提高了MMSE估计在某些猜测区间的参数空间的β,特别是对删失样本的小尺寸。随后,提出了一类改进的收缩估计及其性质。
2002-02-26 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
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
A Bayesian Approach for Noisy Matrix Completion: Optimal Rate under General Sampling Distribution
贝叶斯方法的低秩矩阵完成噪声已被证明是非常有效的计算。虽然惩罚最小化方法的行为是很好地理解从理论和计算的角度来看,在这个问题上,贝叶斯估计的理论最优性尚未探讨。本文提出了一般抽样分布下矩阵完备化的贝叶斯估计。我们还提供了一个预言不等式的估计。这个不等式证明,无论矩阵的秩估计,我们的估计达到最小最大最优的收敛速率(对数因子)。最后,我们进行了一个简短的模拟研究。
2015-01-21 math.ST stat.TH
Logarithmic Accuracy in Importance Sampling via Large Deviations
本研究通过大偏差理论分析了非最优重要性测度下重要性采样的渐近效率与样本需求,提出新的稀有事件模拟诊断方法。
2025-12-31 math.ST stat.TH
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
Estimation for Monotone Sampling: Competitiveness and Customization
随机样本是有损汇总,其允许通过对样本应用适当的估计器来近似对数据提出的查询。然而,抽样的有效性取决于估计量的选择。估计量的选择受到全局要求的约束,例如估计值的无偏性和范围限制,理想情况下,我们寻求的估计量既能有效地推导和应用,又能{ \em容许}(在方差方面不被其他估计量所支配)。然而,对于给定的数据域,抽样方案和查询,有许多可接受的估计。本文研究了单调抽样方案中可容许非负无偏估计的选择问题。单调抽样方案隐含在大量数据集分析的许多应用中。我们的主要贡献是一般导子的可容许估计与理想的性质。我们提出了一个建设{ \em订单最优}估计,最小化方差根据{ \em任何}指定的优先级在数据域。顺序最优性允许我们自定义推导出我们可以在数据中学习或观察到的常见模式。当我们优先考虑较低的价值时(例如,当估计差异时,数据集的相似性更大),我们得到了L $^*$估计,它是唯一单调可容许估计。我们证明了L $^*$估计是4-竞争的,并且优于经典的Horvitz-Thompson估计.这些属性使L $^*$估计量成为自然的默认选择。我们还提出了U $^*$估计器,它优先考虑大值(例如,更少的相似数据集)。我们的估计量构造既易于应用,又具有理想的性质,使我们能够充分利用汇总的数据。
2014-04-09 cs.DB math.ST stat.TH
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
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
On Improvement in Estimating Population Parameter(s) Using Auxiliary Information
写这本书的目的是建议一些改进的估计使用辅助信息的抽样方案一样,简单随机抽样和系统抽样。本卷是五篇论文的合集。第一章研究了无响应条件下利用辅助信息的系统抽样中的估计量。第二章利用辅助信息提出了一些改进的估计。第三章提出了一些改进的比率型估计,并在二阶逼近下研究了它们的性质。第四章和第五章提出了几种估计未知总体参数的方法,并研究了它们的性质。这本书将有助于研究人员和学生谁是工作领域的有限总体估计。
2013-08-27 math.ST 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
Estimating standard errors for importance sampling estimators with multiple Markov chains
朴素的重要性抽样估计,从一个单一的重要性密度的样本的基础上,可以是数字不稳定的。相反,我们考虑广义重要性抽样估计的样本从一个以上的概率分布相结合。我们研究这个问题的马尔可夫链蒙特卡洛的背景下,独立的样本被替换为马尔可夫链样本。如果链以多项式速度收敛到各自的目标分布,那么在两个有限矩条件下,我们证明了广义估计的中心极限定理成立。此外,我们开发了一个易于实现的方法来计算有效的渐近标准误差的基础上批平均值。我们还提供了一个批均值估计量来计算Geyer(1994)的反向Logistic估计量的渐近有效的标准误差。我们使用贝叶斯变量选择过程中的线性回归说明的方法。特别是,广义重要性抽样估计是用来执行经验贝叶斯变量的选择和批均值估计是用来获得标准误差在一个高维设置,目前的方法是不适用的。
2016-08-11 math.ST stat.CO stat.ME
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
Asymptotically optimum estimation of a probability in inverse binomial sampling under general loss functions
最佳的质量,可以渐近实现的概率p估计使用逆二项抽样解决。质量的一般定义是指与满足某些假设的损失函数相关的风险。它表明,极限优越的风险p渐近小有一个最小的所有(可能是随机的)估计。这个最小值是由某些非随机估计量实现的。该模型包括常用的质量标准作为特殊情况。考虑到具体的损失函数,极大极小估计的非渐近制度的应用进行了讨论。
2012-04-30 math.ST stat.TH
Adaptive two-stage sequential double sampling
在许多调查中,廉价的辅助变量可以帮助我们对主要变量做出更精确的估计。利用辅助变量的回归估计已被推广到罕见和集群人口。在传统的回归估计中,假设总体中辅助变量的均值是已知的。在许多调查中,我们没有关于辅助变量的如此广泛的信息。在本文中,我们提出了一个多阶段变量的两阶段序贯抽样的基础上,一个廉价的辅助变量与双重抽样形式的调查变量。辅助变量将用于设计和估计阶段。总体均值的估计采用两个不同系数的修正回归型估计。将使用Median和Thompson(2004)的一些模拟来研究结果。
2018-03-12 math.ST stat.TH
Effect of inter-sample spacing constraint on spectrum estimation with irregular sampling
连续时间平稳随机过程的谱估计中的一个实际约束是连续观测样本之间的最小间隔。当底层过程不受带宽限制时,以任何均匀速率采样都会导致混叠,而某些随机采样方案,包括泊松过程采样,由于最小间隔的约束而变得不可行。本文证明,在这个约束条件下,没有一个点过程采样方案对所有谱的类是无混叠的。事实证明,在此约束下的点过程采样可以是带限频谱的无混叠。然而,通常的一致性谱估计器的构造在这种情况下不起作用。模拟表明,一个常用的估计,这是一致的,在没有这个约束,表现不佳时,约束存在。这些结果应有助于从业者在合理化他们的期望从点过程采样频谱估计而言,并激励研究人员寻找合适的带限谱估计。
2010-04-27 math.ST stat.TH
Sampling-based randomized designs for causal inference under the potential outcomes framework
我们建立的平均治疗效果的平均差异估计的推理性质在随机实验中,每个单位在人口中随机两个治疗,然后治疗组内的单位随机抽样。该估计量的性质在试验设计方案中很好理解,其中第一个单位随机取样,然后随机分配给药,但不适用于上述方案,其中取样和给药分配阶段颠倒。我们发现,在这种试验设计的情况下,平均差估计的推理性质是相同的更常见的样本第一随机化第二设计。这一发现将带来一些澄清抽样为基础的随机设计的因果推理,特别是对于设置有一个有限的超级人口。最后,我们探讨在何种程度上预处理测量可以用来改善后,这种随机化第一样本第二设计的均值差估计。不幸的是,我们发现,治疗前的测量往往是没有帮助的,在这种设计下,提高平均治疗效果估计的精度,除非大量的治疗前的测量,是高度相关的治疗后的测量可以得到。我们证实了这些结果,使用模拟研究的基础上,在纳米材料的真实实验。
2019-02-16 math.ST 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
Sampling distribution for single-regression Granger causality estimators
我们第一次表明,在格兰杰因果关系消失的原假设下,单回归Granger-Geweke估计收敛到广义$χ^2$分布,这可以很好地近似于$Γ$分布。我们表明,这也适用于Geweke的频谱因果关系平均在一个给定的频带,并推导出明确的表达式的广义$χ^2$和$Γ$ -近似参数在这两种情况下。我们提出了一个渐近有效的Neyman-Pearson检验的基础上的单回归估计,并详细讨论了如何在现实的情况下,自回归模型的顺序是未知的或无限的,它可能是有用的。我们概述了我们的分析可以扩展到有条件的情况下,点频谱格兰杰因果关系,状态空间格兰杰因果关系,和格兰杰因果关系$F$ -检验统计量。最后,我们讨论了在备择假设下,一元回归估计量的分布的近似方法。
2021-02-25 math.ST stat.ME stat.TH
Rotation Sampling for Functional Data
本文讨论连续时间总体均值的调查估计问题。为此,我们将旋转采样方法扩展到函数数据。与传统的旋转设计,选择样本之前的调查,我们的方法随机每个样本替换,从而允许自适应采样。利用马尔可夫链理论,我们评估的协方差结构和集成平方误差[ISE]的相关Horvitz-Thompson估计。我们的抽样设计通过在更换过程中适当地在人群分层中重新分配样本来降低平均ISE。它们还通过增加更换的频率或强度来减少ISE的方差。为了研究在估计中同时使用当前和过去的测量值的好处,我们开发了一个新的复合估计量。在用电量数据的应用中,我们的旋转方法优于固定面板和传统的旋转样本。由于数据的弱时间依赖性,复合估计量仅略微改进了Horvitz-Thompson估计量。
2013-04-09 math.ST stat.ME stat.TH
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
Semiparametric adaptive estimation under informative sampling
针对信息性抽样中的选择偏倚与 Horvitz-Thompson 估计量效率不足问题,本文将调查权重视为随机变量推导半参数效率界,并提出在工作模型下一致、渐近正态且最优有效的估计量,通过模拟和加拿大调查数据验证其性能。
2024-04-04 math.ST stat.ME 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
A Good-Turing estimator for feature allocation models
特征分配模型通过允许每个观察属于多个物种(现在称为特征)来推广物种采样模型。根据流行的伯努利产品模型的特征分配,给定$n$样本,我们研究的问题估计丢失的质量$M_{n}$,即预期的数量迄今为止看不见的功能,将观察到,如果一个额外的个人进行采样。这是由许多应用的问题,其中的采样过程是昂贵的,在时间和/或财政资源分配方面,和进一步的样本可以只由记录新的未观察到的功能的可能性激励。我们介绍了一个简单的,强大的和理论上健全的非参数估计$\hat{M}_{n}$的$M_{n}$。$\hat{M}_{n}$与物种抽样模型中缺失质量的流行的Good-Turing估计具有相同的分析形式,不同之处在于两种估计具有不同的范围。我们发现,$\hat{M}_{n}$承认一个自然的解释都作为一个刀切估计和非参数经验贝叶斯估计,我们给证明的保证性能的$\hat{M}_{n}$在极小极大率最优性方面,我们提供了一个有趣的连接之间的$\hat{M}_{n}$和良好的图灵估计物种抽样。最后,我们推导出$\hat{M}_{n}$的非渐近置信区间,这是很容易计算,不依赖于任何渐近近似。我们的方法是说明与合成数据和SNP数据从ENCODE测序基因组计划。
2020-09-21 math.ST stat.ME stat.TH
Sampling and Estimation for (Sparse) Exchangeable Graphs
$\mathbb{R}_+$上的稀疏可交换图以及用于稀疏图的相关graphex框架,推广了$\mathbb{N}$上的可交换图以及用于密集图的相关graphon框架。我们开发的graphex框架作为统计网络分析的工具,通过确定的抽样方案,自然与模型的框架,并通过引入一个一般一致的估计这些模型的参数(graphex)。采样方案是独立顶点采样的修改,丢弃在采样子图中孤立的顶点。估计量是经验图子估计量的扩张,经验图子估计量被认为是稠密可交换图的一致估计量;两者都可以被理解为i.i.d.中经验分布的图形模拟。序列设置。我们的结果可以被看作是一个概括的一致性估计,通过经验graphon从密集的图形制度,也包括稀疏的图形。
2016-11-02 cs.SI math.CO math.ST
On Semiparametric Efficiency of an Emerging Class of Regression Models for Between-subject Attributes
半参数回归模型由于其相对于参数回归模型的稳健性而受到越来越多的关注。本文讨论了功能反应模型(FRM),半参数回归,作为一个及时的解决方案,涉及成对观察的研究问题的新兴类别的效率界。这种新的范例是特别有吸引力的,以减少天文数据的尺寸所产生的可穿戴设备和高通量技术,如微生物组β多样性,病毒遗传连锁,单细胞RNA测序等,尽管不断增长的应用程序,其估计的效率尚未仔细研究,由于极端困难,以解决对之间的内在相关性。利用基于希尔伯特空间的半参数有效性理论的经典内的主题属性,这份手稿扩展到更广泛的回归,涉及主题之间的属性和精确的最有效的估计,这导致了一个敏感的信号检测在实践中的渐近有效性。随着成对结果作为有效的降维摘要迅速发展,所建立的理论不仅将填补识别最有效的半参数估计量的关键空白,而且还将推动这种新范式在受试者之间属性的广泛实施。
2022-05-17 math.ST stat.ME stat.TH
Confidence bands for Horvitz-Thompson estimators using sampled noisy functional data
当函数数据的集合太大而无法穷尽地观察时,调查抽样技术提供了一种有效的方法来估计全局量,如总体平均函数。假设功能数据收集从一个有限总体根据概率抽样方案,与测量是离散的时间和噪声,我们建议首先平滑的采样轨迹与本地多项式,然后估计的平均函数与Horvitz-Thompson估计。在对总体规模、观测次数、轨迹的正则性、采样方案和平滑带宽等条件较弱的情况下,证明了连续函数空间中的一个中心极限定理.我们还建立了一个协方差函数估计的一致相合性,并应用前面的结果来建立均值函数的置信带。频带达到标称覆盖,并通过高斯过程模拟条件下的估计协方差函数。为了选择带宽,我们提出了一种交叉验证方法,占抽样权重。仿真研究评估我们的方法的性能,并强调采样方案和带宽选择的影响。
2013-12-11 math.ST stat.ME stat.TH
Fair quantile regression
Yale University(耶鲁大学)
分位数回归是一种学习条件分布的工具。在本文中,我们研究了分位数回归的设置时,一个受保护的属性是不可用的模型拟合。这可能导致“不公平”的分位数估计量,其有效分位数对于受保护属性定义的子总体非常不同。我们提出了一个程序,用于调整估计的holdout样本的保护属性是可用的。本文的主要结果是一个经验过程分析表明,调整导致一个公平的估计,目标分位数被带入平衡,在统计意义上,我们称之为$\sqrt{n}$ -公平。我们说明的想法和调整程序的数据集的200,000活产婴儿,其目标是描述的依赖性的婴儿出生体重的人口统计属性的生母;受保护的属性是母亲的种族。
2019-07-19 cs.LG math.ST stat.ML
Imprecise Monte Carlo simulation and iterative importance sampling for the estimation of lower previsions
我们开发了一个理论框架,研究数值估计较低的预测,一般适用于两级蒙特卡罗方法,重要性抽样方法,以及广泛的其他抽样方法之一可能会设计。我们将这些估计的一致性链接到Glivenko-Cantelli类,对于亚高斯的情况,我们展示了如何使用此过程的相关结构来约束偏差并证明一致性。我们还提出了一个新的上估计,它可以与标准的下估计一起使用,以提供一个简单的置信区间。作为这个框架的一个案例研究,我们然后讨论如何利用重要性抽样提供准确的数值估计较低的预测。我们提出了一种迭代的重要性抽样方法,以大大提高性能的不精确重要性抽样。我们证明了我们的结果不精确的Dirichlet模型。
2018-06-27 math.PR math.ST stat.CO
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