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
Estimates of the coverage of parameter space by Latin Hypercube and Orthogonal sampling: connections between Populations of Models and Experimental Designs
在本文中，我们使用计数参数来证明，当使用拉丁超立方体抽样或正交抽样（当$n=p^d$）进行$k$试验时，$d$维参数空间的$n$大小的预期百分比覆盖率是相同的。然后，我们将这些结果扩展到一个试验设计设置投影到一个2维子空间。在这种情况下，当参数空间的维数为2时，覆盖范围等效于“正交采样”设置。这些结果通过模拟得到证实。当试图进行不确定性量化或构建模型群体时，这里提出的想法具有特别的相关性。
2015-10-13 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
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
Improved estimator of population variance using information on auxiliary attribute in simple random sampling
Singh和Kumar（2011）提出了使用辅助属性计算总体方差的估计量。本文在Kadilar和Cingi（2004）和Singh等人（2007）提出的估计量的基础上提出了一个估计量族，并引入了一个新的使用辅助属性的估计量族。的均方误差（MSE）的适应和建议的家庭的表达式推导出来。结果表明，自适应估计量和建议估计量比Singh和Kumar（2011）估计量更有效。理论研究结果支持的数值例子。
2014-03-02 math.ST stat.TH
Testing means from sampling populations with undefined labels
我们考虑的问题，从两个人口的样本的标签是不确定的测试手段。我们表明，这个问题是连接到另一个是测试期望值的组件的混合模型从两个数据样本。底层混合模型与已知的不同混合权重相关联。我们提供了一个性能良好的测试程序。然后，我们指出我们的方法的性能损失，由于混合效应，通过比较其数值性能的韦尔奇的t-检验的手段，这将已经完成，如果真正的标签。
2012-05-16 math.ST stat.TH
Graphical Finite Population Sampling
本文提出一种基于图形框架的有限总体抽样方法，通过操作二维条形表示包含概率来创建设计，并应用贪心最佳优先搜索算法以实现最优设计。
2025-10-27 math.ST stat.ME stat.TH
Sampling from Dirichlet populations: estimating the number of species
考虑区间的随机Dirichlet划分为具有参数$θ>0$的$n$片段。我们回顾了有限Dirichlet划分的无序Ewens抽样公式。由于这是估计目的的一个关键变量，因此重点是取样过程中不同访问物种的数量。这些都在具体案例中加以说明。我们使用这些初步的频率分布的统计结果，以解决以下抽样问题：什么是估计的物种数量时，从狄利克雷人口抽样？所得结果与Poisson-Dirichlet分布随机比例抽样论的结果一致。最后，我们将建议的不同估计应用于两组不同的真实数据。
2008-09-24 math.ST stat.ME stat.TH
Bootstrap of means under stratified sampling
在两阶段整群抽样程序中，$n$随机总体是从独立总体中独立抽取的，并在每个总体中抽取观察结果的子样本。观测变量的一般平均值的估计是渐近高斯和渐近分布的几个bootstrap版本的归一化和学生化的统计量进行了研究。加权总体估计提供了一个很好的近似值，其精度取决于总体样本量的收敛速度。
2007-09-20 math.ST stat.TH
Sampling without replacement from a high-dimensional finite population
众所周知，统计学中现有的理论结果大多是基于样本是从无穷总体中替换产生的假设。然而，在实践中，可用的样本几乎总是在不更换的情况下收集的。如果总体是一个有限的实数集，我们是否仍然可以安全地使用从没有替换的样本中提取的结果成为一个重要的问题。本文研究了由有限总体生成的高维样本协方差阵的特征值问题。具体而言，我们推导出的Tracy-Widom法律的最大特征值，并将这些结果并行分析。我们对Buja和Eyuboglu在[Multivar Behav Res.27（4）（1992）509- 540]中提出的置换方法提供了新的见解。仿真和真实数据的研究进行了证明我们的结果。
2023-01-27 math.ST stat.TH
Bootstrap inference for the finite population total under complex sampling designs
Bootstrap是进行统计推断的有用工具，但在复杂的调查抽样下可能提供错误的结果。关于Bootstrap推理的研究大多是在简单随机抽样和分层随机抽样下进行的。本文提出了一种统一的Bootstrap方法，它适用于一些复杂的抽样设计，包括Poisson抽样和概率比例抽样。Bootstrap方法的两个主要特点是使用学生化进行推理，并通过引入抽样信息，基于多项分布对有限总体进行Bootstrap。我们表明，所提出的自助方法是二阶准确使用Edgeworth展开。两个模拟研究进行了比较建议的自助方法与Wald型方法，这是广泛使用的调查抽样。结果表明，所提出的自助方法是更好的覆盖率，特别是当样本量有限。
2019-01-07 math.ST stat.ME 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
The distribution of order statistics under sampling without replacement
本文推导了无放回抽样下顺序统计量的分布，揭示其与贝塔-二项分布及均匀IID抽样的联系，并推广至任意有限总体，应用于德国坦克问题，提出无需生成全样本的模拟算法。
2023-08-31 math.ST stat.TH
Optimal sampling strategies for multiscale stochastic processes
在本文中，我们确定的固定大小的非随机抽样给出了最好的线性预测有限空间人口的总和。我们采用不同的多尺度超种群模型，并使用最小均方误差作为我们的最优性准则。在多尺度超种群树模型中，叶节点代表种群的单位，内结点代表种群的部分和，根节点代表种群的总和。我们证明了最佳抽样模式的变化显着的树节点的相关结构。虽然均匀采样对于"正相关进展“的树是最佳的，但它提供了”负相关进展“的最差可能采样。作为一种分析工具，我们引入并研究了一类自主创新树，它们本身就很有趣。我们推导出一个快速注水算法，以确定最佳抽样的叶子估计的根的独立创新树。
2006-11-07 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
Functional central limit theorems for single-stage samplings designs
对于基于模型和基于设计的联合推理，在调查抽样框架下，建立了以有限总体均值和超总体均值为中心的Horvitz-Thompson经验过程和Hájek经验过程的泛函中心极限定理.结果适用于单阶段不等概率抽样设计，基本上只需要高阶相关的条件。我们应用我们的主要结果Hadamard可微统计泛函，并说明其极限行为的计算机模拟。
2016-05-04 math.ST stat.TH
Bayesian Estimation Under Informative Sampling
贝叶斯分析在社会科学和其他应用领域越来越受欢迎，其中数据是从信息样本中观察到的。信息性抽样设计导致与感兴趣的响应变量相关的包含概率。由于样本数据中的信息平衡与总体数据中的信息平衡不同，因此，对于信息抽样下的总体生成模型，对从总体中采集的观察样本进行的模型推断将存在偏倚。在贝叶斯估计下解释信息性抽样设计的典型方法通常难以实现，因为它们需要对假设的生成模型进行重新参数化，或者专注于设计，而不是基于模型的推理。我们建议构造一个伪后验分布，利用基于边缘包含概率的采样权重来指数化每个采样单元的似然贡献，从而将样本中的信息加权回总体。我们的方法提供了一个几乎自动化的估计过程，适用于任何模型指定的数据分析人员的人口，并保留人口模型参数化和后验抽样几何。我们构造的条件，已知的边际和成对包含概率，定义一类抽样设计的伪后验的$L_{1}$一致性得到保证。我们证明了我们的方法上的应用程序有关的劳工统计局职位空缺和劳动力流动率调查。
2016-06-03 math.ST stat.ME 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
Sampling depth trade-off in function estimation under a two-level design
本文在分层高斯过程框架下建立两级采样方案的 $L_2$ 极小极大风险率，量化总体层面与受试者特有结构学习之间的采样深度权衡，并证明简单自适应估计器可在实践中达到相应风险率。
2024-03-31 math.ST stat.ME stat.TH
Enhanced Inference for Finite Population Sampling-Based Prevalence Estimation with Misclassification Errors
针对有限总体中带误分类的患病率估计，提出利用有限总体校正间接推导额外方差分量，并构建贝叶斯可信区间以改善覆盖率和宽度。
2023-08-14 math.ST stat.ME stat.TH
Resampling: an improvement of Importance Sampling in varying population size models
序贯重要性抽样算法已被定义为估计祖先种群过程模型中的似然性。然而，这些算法是基于恒定的总体规模的模型的特征，并且当总体规模随时间变化时变得低效，使得在许多人口统计情况下基于似然性的推断变得困难。在这项工作中，我们修改了以前的序贯重要性抽样算法，以提高效率的似然估计。我们的程序仍然是基于恒定大小的模型的功能，但使用一个新的rescue概率分布取决于成对的复合似然rescue技术。我们测试了我们的算法，称为序列重要性抽样与reservation（SISR）在不同的人口情况下的模拟数据集。在大多数情况下，对于相同的推理精度，我们将计算成本除以2，在某些情况下甚至除以100。这项研究提供了第一次评估的影响，这种rescue技术的参数推断使用序贯重要性抽样，并扩展了范围的情况下，可能性推断可以很容易地进行。
2016-03-23 math.PR math.ST stat.AP
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
Effect Inference from Two-Group Data with Sampling Bias
在许多应用中，使用以偏置方式采样的数据来比较不同的总体。在抽样偏差下，估计总体均值差异的标准方法会产生不可靠的推论。在这里，我们开发了一种推理方法，是弹性的抽样偏差，并能够控制下的偏置水平的标准方法相比，假阳性错误。我们使用合成的和真实的生物标志物数据证明了该方法。
2019-11-11 math.ST stat.ML 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
Better understanding of the multivariate hypergeometric distribution with implications in design-based survey sampling
多元超几何分布是在初等统计和概率课程中经常出现的一种分布，它是在对有限总体进行分类数固定的不放回抽样时，同时研究特定事件的发生规律。众所周知，该分布的协方差阵与其多项式对应矩阵乘以1-（n-1）/（N-1）相同，其中N和n分别为总体和样本量。然而，在文献中似乎很少讨论这种关系的含义，特别是关于乘数的具体形式。基于一个增广的参数与概率对称性，我们提出了一个更透明的理解的协方差结构的多元超几何分布。我们讨论了这些组合技术的含义，并提供了一个统一的描述的相对效率估计总体均值的基础上简单随机抽样，概率比例大小抽样和自适应整群抽样，与不更换。我们还提供了深入了解经典的随机组方差估计方法。
2021-01-03 math.ST stat.OT stat.TH
On Estimation of Finite Population Proportion
本文研究了经典的有限总体比例估计问题。首先，我们考虑一个固定的样本量方法，并推导出一个明确的样本量公式，确保一个绝对和相对误差的混合准则。其次，我们考虑一个逆抽样方案，这样的抽样是连续的，直到具有某一属性的单元的数量达到一个门限值或整个总体被检查。我们已经建立了一个简单的方法来确定阈值，使规定的相对精度得到保证。最后，我们发展了一个多级抽样方案，用于构造有限总体比例的固定宽度置信区间。强大的计算技术的引入，使之成为可能，固定宽度的置信区间，确保预定水平的覆盖概率。
2009-02-03 math.PR math.ST stat.AP
