Dirichlet Meets Horvitz and Thompson: Estimating Homophily in Large Networks via Sampling
University of Rochester(罗切斯特大学);Johns Hopkins University(约翰斯·霍普金斯大学)
本文提出基于采样的HT估计器,利用狄利克雷能量估计大规模网络中的同性倾向,通过解析边包含概率实现无偏推断。
2025-12-18 cs.SI eess.SP stat.ME
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
Kalman Filtering and Smoothing for Improving Precision in Horvitz--Thompson Estimation of Infectious Disease Prevalence
The Ohio State University(俄亥俄州立大学);Uppsala University(乌普萨拉大学)
针对Horvitz--Thompson患病率估计的噪声与缺失问题,提出联合局部线性趋势状态空间模型,利用卡尔曼滤波与平滑提高精度,并在模拟和真实数据中验证了效果。
2026-09-10 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
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
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
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
Finite Population Survey Sampling: An Unapologetic Bayesian Perspective
本文从贝叶斯视角探讨有限总体中复杂依赖下的推断,涵盖层次模型、可忽略与不可忽略响应框架,并介绍图模型与空间过程的应用及近期分析特征。
2025-09-11 stat.ME
Combining Cluster Sampling and Link-Tracing Sampling to Estimate Totals and Means of Hidden Populations in Presence of Heterogeneous Probabilities of Links
我们提出了Horvitz-Thompson-like和Hajek-like估计的总和平均值的一个变量的价值与一个难以达到的人口的元素由Felix-Medina和Thompson(2004)提出的链接跟踪抽样的变体采样。这类人群的例子有吸毒者、无家可归者和性工作者。在这个抽样变量中,构建了一个由人口成员倾向于聚集的场所或场所(如公园和酒吧)组成的框架。该框架并不假定涵盖整个人口。从框架中选择元素的初始聚类样本,其中聚类是场地,并且初始样本中的元素被要求说出他们的联系人,这些联系人也是人口的成员。通过在样本中包括不在初始样本中的指定元素来增加样本量。所提出的估计量不使用基于设计的包含概率,而是使用基于模型的包含概率,该包含概率来源于Felix-Medina等人(2015)提出的模型,并通过极大似然估计量进行估计。假设包含概率是异质的,也就是说,它们取决于抽样的人。所提出的估计量的方差的估计是通过自助法获得的,它们被用来构建总数和平均值的置信区间。两个数值研究,其中一个基于真实数据的估计和置信区间的性能进行了评估,结果表明,他们的性能是可以接受的。
2020-05-21 stat.ME
Inverse Probability Weighting: from Survey Sampling to Evidence Estimation
本文研究逆概率加权估计量的弱悖论,提出基于贝叶斯筛和共轭分层模型的两种贝叶斯估计方法,并通过模拟与后验相合性证明其在调查抽样、证据估计和因果推断中的优势。
2025-04-14 stat.ME
Model-assisted survey sampling with Bayesian optimization
针对固定预算下调查抽样的样本优化分配需求,提出一种结合贝叶斯优化的模型辅助无偏概率抽样方法,经芬兰中部树木蓄积量数据集模拟验证,其估计量方差效率显著优于传统基准方法。
2024-01-26 stat.ME
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
Central limit theorems via Stein's method for randomized experiments under interference
研究了在随机试验中,在无干扰假设下构造的处理效应估计量在干扰存在下渐近正态的条件。我们证明了标准的Horvitz-Thompson估计是渐近正态的限制干扰条件下,其特征在于限制依赖图的程度。允许干扰量随总体规模的增加而增加。然后,我们提供了一个中心极限定理的差异,在均值估计,可以处理所有对单位之间存在的干扰,提供了大部分的干扰被捕获的限制度依赖图。渐近方差允许分解为两项:(a)无干扰下的预期方差和(b)干扰贡献的额外方差。我们提出了一个保守的方差估计基于此方差分解。结果出现作为一个应用程序的斯坦的方法。对于从业者,我们的研究结果表明,标准估计继续表现出大样本量的正态性和推断可以作出稳健的温和形式的干扰。
2019-03-06 math.ST stat.ME stat.TH
Optimal Control Variates for Survey Sampling and Causal Inference
Boston University(波士顿大学)
本文针对调查抽样与因果推断场景提出一类最优控制变量估计量,通过参数化基函数并求解对应优化问题,在真实调查数据和模拟中实现了显著的方差缩减。
2026-08-19 econ.EM math.OC stat.ME
Graph cluster randomization: network exposure to multiple universes
A/B测试是评估在线实验效果的标准方法;其目标是通过将整个人群的样本暴露于新特征或条件来估计新特征或条件的“平均治疗效果”。A/B测试的缺点是它不太适合涉及社会干扰的实验,当个体的治疗沿着潜在的社会网络溢出到相邻个体时。在这项工作中,我们提出了一种新的方法,使用图聚类分析社会干扰下的平均治疗效果。首先,我们描述了图论的条件下,个人可以被认为是“网络暴露”的实验。然后,我们将展示如何图集群随机化承认一个有效的精确算法来计算网络暴露在这些暴露条件下的每个顶点的概率。使用这些概率作为反权重,Horvitz-Thompson估计器可以提供无偏的效应估计,前提是已经正确指定了暴露模型。给定一个无偏估计量,我们专注于最小化方差。首先,我们开发简单的充分条件的方差估计是渐近小的n,图的大小。然而,对于一般的随机化方案,该方差可以由图的度的指数函数下界。相比之下,我们表明,如果一个图满足限制增长条件的增长速度的邻域,那么存在一个自然的聚类算法,基于顶点邻域,估计的方差可以由一个线性函数的度上界。因此,我们表明,适当的集群随机化可以导致指数较低的估计方差时,实验测量平均处理效果的干扰。
2013-05-30 cs.SI physics.soc-ph stat.ME