Concentration inequalities for the sum in sampling without replacement: an approach via majorization
本文利用优序理论,为无放回抽样中样本总和超过期望值的概率提供了非渐近的上下界。
2025-03-26 math.PR math.ST stat.TH
Improved estimator of finite population mean using auxiliary attribute in stratified random sampling
本文讨论了分层随机抽样中有限总体均值的辅助估计问题。本文利用研究变量与辅助属性之间的点双序列相关性,改进了分层随机抽样中总体均值的估计。在分层随机抽样条件下,导出了偏差和均方误差的表达式。此外,已进行了实证研究,以检查所提出的估计量的优点,在现有的估计。
2014-08-12 math.ST stat.TH
Martingale Couplings and Bounds on the Tails of Probability Distributions
Hoeffding已经证明,从有限总体中进行替换抽样的分布的尾界也适用于相应的不放回抽样的情况。(该结果的一个特殊情况是二项尾界适用于相应的超几何尾。)通过构造一个鞅耦合的抽样分布,给出了Hoeffding结果的一个新的证明。这个结构是由一个明确的组合过程,涉及球和瓮。然后,我们应用这种构造来创建其他对抽样分布之间的鞅耦合,无论是没有替换还是有“替换”(即,不仅被抽样的个体被替换,而且该个体的一些“副本”被添加到总体中的抽样)。
2011-07-07 math.PR math.ST stat.TH
Two-phase sampling in estimation of population mean in the presence of non-response
本文详细讨论了无应答情况下简单随机抽样总体均值的估计问题。受Gupta和Shabbir(2008)的启发,我们提出了在无应答下使用辅助变量的总体均值估计类。在辅助变量的总体均值未知的情况下,利用双重抽样方案进行了理论研究。在理论结果的支持下,还进行了实证研究。
2014-04-08 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
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
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
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
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
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
Graphical Finite Population Sampling
Kharazmi University(哈拉兹米大学)
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
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
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
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
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
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
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
Tighter Confidence Intervals under Without Replacement Sampling via Empirical Rate Functions
University of Michigan, Ann Arbor(密歇根大学);Carnegie Mellon University, Pittsburgh(卡内基梅隆大学)
本文研究无放回抽样下置信区间的构建,通过经验速率函数提出新的置信区间方法,并在有限alphabet和一般空间中建立新的大偏差理论联系。
2026-03-15 cs.IT math.IT math.ST
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
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
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
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