不放回样本追加策略下域的估计

 本文研究了不放回追加策略，包括基本设计和域追加设计都为简单随机抽样、分层随机抽样情形下不放回样本追加时域的估计的问题。根据不同的抽样设计给出单元的一阶及二阶包含概率的具体计算公式，并构造总体总量和域总量的Horvitz—Thompson型估计，然后基于简单随机抽样的不放回追加抽样方案，给出总体单元的前两阶包含概率。及该方案在分层抽样下的推广，在有辅助信息可用时构造域总量的分层联合比估计，并给出其方差和方差估计公式，同时我们给出了模拟结果，从模拟结果可以看出，给出的方差估计是估计量方差的近似无偏估计。     

期权定价的蒙特卡罗模拟方差缩减技术研究

蒙特卡罗模拟的方差缩减技术作为模拟效率改进的重要途径,在金融衍生证券的定价分析中得到了广泛的应用和发展,特别是在控制变量、对偶变量、分层抽样、拉丁超立方抽样、矩匹配和重要性抽样技术方面。从方差缩减的效率来看,所有的蒙特卡罗模拟方差缩减技术都能显著地提高期权定价的模拟效率,其中基于最优漂移率的重要性抽样技术与沿着最优分层抽样方向进行的分层抽样技术的组合,要比普通的蒙特卡罗模拟具有极其明显的效率提高效果。     

分层排序集抽样下的比率估计问题探讨

分层排序集抽样是指将分层抽样与排序集抽样结合起来,运用分层技术将总体分为多层,再在每层中用排序集抽样获取样本.分层比率估计是利用辅助信息,构造总体均值或总值的估计量,分为联合比率估计和分别比率估计.文章利用此思路得到下分层排序集抽样下总体均值的分别比率估计,并和分层排序集抽样下的联合比率估计、分层随机抽样下的分别比率估计进行比较.结果表明,分层排序集抽样下总体均值的分别比率估计比分层随机抽样下总体均值的分别比率估计效果好,分层排序集抽样下总体均值的联合比率估计比分层排序集抽样下总体均值的分别比率估计效果好.     

分层随机抽样形成样本个数的研究

文章论述了在分层随机抽样中由于抽样方法的不同可能形成的样本个数，重点对于不放回抽样不考虑中选顺序方法的分层随抽样作了叙述，还设计了例证，为研究分层随机抽样误差计算作了必要的准备     

有限总体的估计——基于超总体模型

抽样调查下有限总体的估计，一般是基于传统抽样设计，另一种是基于超总体模型，即假定总体取值不是确定的，而是由超总体模型产生的。本文以简单随机抽样和抽样为例，揭示了在不同情况下，如何得到超总体模型下有限总体的估计，并对基于设计和基于模型两种观点进行了比较分析。     

简单估计与比率估计效果的分析

一、引言 要了解被考察总体的信息,通常的手段就是抽样.面对众多而繁杂的数据,如何去抽取样本,抽取样本后又如何进行总体参数的估计,的确值得研究.简单随机抽样和分层随机抽样是常用的抽样方法.     

基于倾向得分匹配与加权调整的非概率抽样统计推断方法研究

文章针对非概率抽样统计推断问题,提出了一种解决方法:首先采用倾向得分匹配选择样本,然后采用倾向得分逆加权、加权组调整和事后分层调整三种方法对匹配样本进行加权调整来估计目标总体,并比较不同方法估计的效果.蒙特卡罗模拟与实证研究表明:当网络访问固定样本大小与目标样本大小的比率小于3对,三种加权方法估计的效果均比未加权时匹配样本的估计效果好;当网络访问固定样本大小与目标样本大小的比率不小于3时,倾向得分事后分层调整与未加权的匹配样本估计效果较好.     

PPS抽样设计的比估计及其模拟分析

本文在介绍简单随机抽样比估计的基础上,对PPS抽样设计的比估计进行了系统的研究,并使用了第一次农业普查数据对方法进行了模拟。从模拟结果可以看到,比估计方法可以解决一些调查精度和多目标调查的问题。     

基于MCMC方法的保险短期个别风险的测算

对保险短期个别风险的测算由于没有充分考虑索赔次数和索赔额的不确定性,其结果不能准确评估并预测保险实务中复杂的短期风险.文章在传统贝叶斯模型基础上引入Metropolis-Hastings抽样与Gibbs抽样相结合的马尔科夫链蒙特卡罗(MCMC)方法,克服了高维数值计算的困难,通过对典型实例的实证测算,证实即使在索赔数据缺失情况下,该模型仍然能够较好地模拟缺失数据的后验估计以及预测值的后验分布,提高了预测的准确性并减少了不确定性风险.     

正态总体下参数的优化极大似然估计方法

文章讨论了一种新的抽样方法,基于这一抽样方法提出了样本参数的优化极大似然估计,并进一步与简单随机抽样下的参数的极大似然估计结果作比较,从估计渐进效率的角度说明了该方法的优良性。     

放回抽样下HT估计量的性质及应用

放回抽样下传统的估计方法是采用Hansen-Hurwitz估计。而放回抽样下HH估计量并不是一致最小方差无偏估计,本文提出了另一种估计方法,即采用Horvitz-Thompson估计,并论证了放回抽样下HT估计量的三条定理,及与HH估计量的比较。然后以放回简单随机抽样和PPS抽样为例,通过理论公式、计算机模拟以及具体案例,进行更具体的分析。说明在一定条件下,HT估计量相对更优。在实际应用中,本文也提出了通过比较方差估计作为选取估计量的准则。     

我国抽样调查方法的最新进展

一概率抽样最新进展概率抽样是指按照随机原则进行抽样,不加主观因素,组成总体的每个单位都有被抽中的概率。按照抽样的组织形式可分为简单随机抽样、分层随机抽样、整群抽样、多阶抽样、二重抽样及PPS抽样。以下将按上述分类标准来展现各种抽样方法的最新进展。(一)简单随机抽样简单随机抽样是抽样方法中最基本的方     

客户满意度推荐阈与重购阈的联合估计

高满意度不一定能导致客户忠诚,相同满意度的客户可能有不同的推荐阈和重购阈。文章提出了一种双变量分层Bayes Probit模型,用于联合估算客户个体层次的推荐阈和重购阈。该模型采用一种Gibbs抽样和Metropolis-Hastings算法相结合的MCMC模拟抽样方法来实现模型估计。数据模拟和实证研究均表明,该方法可以有效地联合估计客户个体层次的推荐阈和重购阈,模型的内部效度和外部效度均优于以往模型。     

城市生态经济发展评估的抽样后分层变量选择

文章将城市绿色生态经济发展划分为社会与经济发展、资源与环境的可持续性和绿色转型发展这三大维度,利用简单随机抽样方法对80个地级市的绿色生态经济发展指标进行了抽样调查,并基于因子分析方法和Q聚类方法对这些指标进行了抽样后分层估计.研究发现,基于改进方案得到的估计值其估计误差都小于通用分层方案下的估计误差,估计精度明显更高.     

浅谈统计学中的蒙特卡罗法’在发电系统出力模型中的应用

一、蒙特卡罗法的简介蒙特卡罗法又称统计模拟法或随机抽样技术。它将所求解的问题同一定的概率模型相联系，用计算机实现统计模拟或抽样，来得到问题的近似解。其实质是通过大量随机试验，利用概率论和统计理论方法为基础的一种计算方法。蒙特卡罗方法最早出现于十八世纪末（约1777年），当时布丰（Buffon）为了计算圆周率而设计了一个“投针实验”。虽然当时并未命名，但其原理就是蒙特卡罗法。在200余年后，也就是在二十世纪四十年代，在为美国研制原子弹（曼哈顿计划）的计划成员S．M．乌拉姆和J．冯·诺伊曼将这一名称首先提出。     

基于二阶段抽样的双重抽样框估计量设计

为了探究多阶段抽样情形下双重抽样框调查的估计量设计，文章对双重抽样框下的二阶段抽样估计方法进行了研究，得出了简单随机抽样下的总体总值估计及其估计量方差，对于更高阶段的抽样估计量设计，可以在二阶段的基础上扩展。文章所得的分析结果可为实际部门在双重抽样框下进行二阶段（或者多阶段）抽样调查提供相关的理论基础。     

关于等比分位抽样的有关结果

在概率空间的基础上,提出了比等距抽样更广泛的等比分位抽样的概念,依据等比抽样样本,构造出总体均值估计的统计量。通过对其性质的讨论,证明了该统计量为总体均值的无偏估计,在适当的条件下,得出了该估计量的抽样精度高于简单随机抽样的结论。     

抽样调查中基于模型推断的思考

基于抽样设计推断与基于模型推断是有限总体推断的两个不同途径。文章针对基于模型的推断方法-最优线性无偏估计(BLUE)进行了讨论,指出在特定的超总体模型下,BLUE与基于抽样设计的估计是一致的。数值分析解释了模型推断的优越性。     

适应性整群抽样下的事后分层估计

文章从事后分层的角度,对适应性整群抽样的估计方法进行了研究.利用事后分层的层内单元相似性,构造了一种新的无偏估计量,并对估计量的性质进行了推导,最后通过一组模拟数据对估计量的效果进行了对比检验.     

浙江个体工业抽样方法的比较

个体工业在浙江工业经济中占有重 要地位,通过抽样调查推算个体工业经济总量已经广为应用,但是由于抽样方法较多,怎样以实际情况出发,选择科学、合理的抽样方法,可以提高抽样效率和数据质量,反之则事倍功半。我们以浙江个体工业特点出发,充分利用抽样框等有关资料,对简单随机抽样分层目录抽样和整群抽样这三种方法进行模拟应用,进而对由此而产生的样本数据和样本分布进行分析,得出几点结论,可以供各地参考。