大数据背景下非概率抽样的统计推断问题

利用大数据进行抽样,很多情况下抽样框的构造比较困难,使得抽取的样本属于非概率样本,难以将传统的抽样推断理论应用到非概率样本中,如何解决非概率抽样的统计推断问题,是大数据背景下抽样调查面临的严重挑战。本文提出了解决非概率抽样统计推断问题的基本思路：一是抽样方法,可以考虑基于样本匹配的样本选择、链接跟踪抽样方法等,使得到的非概率样本近似于概率样本,从而可采用概率样本的统计推断理论;二是权数的构造与调整,可以考虑基于伪设计、模型和倾向得分等方法得到类似于概率样本的基础权数;三是估计,可以考虑基于伪设计、模型和贝叶斯的混合概率估计。最后,以基于样本匹配的样本选择为例探讨了具体解决方法。     

贝叶斯决策理论概述

贝叶斯统计学包括贝叶斯决策理论、贝叶斯估计及贝叶斯回归分析等内容。本文仅就贝叶斯决策理论的基本概念和方法作一简介。一、后验概率分布统计决策理论接是否抽取样本可分为先验和后验两种概率决策。先验概率决策所依据的先验概率分布是根据以往积累的资料和经验估计所确定的,并认为现在总体仍维持着这样的     

各种抽样调查方法的比较

抽样方法分为两类，概率抽样和非概率抽样。在抽样时如能得知总体中每一个单位被选为样品的概率，就是一种概率抽样，如其概率为不可知，则是非概率抽样。一、非概率抽样非概率抽样主要有下列四种：l、便利抽样——仅考虑方便的抽样方法，样品的选择只考虑到接近或衡量的便利，访问过路的行人便是一例。2、配额抽样——此法是最常用的一种非概率抽样方法。（1）选择“控制特征”，将总体按其控制特征细分成几个子总体；（2）决定各子总体的样本大小（按比例分配）；（3）选取洋本。配额抽样和分层抽样不同，后者是以随机抽样法从各子总体中…     

贝叶斯推理方法探讨

贝叶斯推理作为一种推理方法是从概率论中的贝叶斯定理扩充而来。经过扩充,贝叶斯定理仅由适用给事件测定概率变成也能给假说测定概率(可信度)的工具。但如何确定先验概率的数值是贝叶斯推理中一个很重要而又困难的问题,这个问题还有不同看法的争论,还未获得很好的解决。     

贝叶斯决策的变精度概率粗糙集模型

文章分析讨论了最小风险贝叶斯决策的基本过程,建立了贝叶斯决策的变精度概率粗糙集模型。该模型在处理贝叶斯决策问题时能使决策失误的风险更小。     

对农村多目标非标准抽样调查的思考

一、非标准抽样调查方法的几个问题 所谓非标准抽样调查方法,是在不具备开展标准抽样的条件下,采用随机抽取样本单位、不完全严格的统计计量和非直接确定抽样推断结果概率指标的一类抽样调查方法。这里我们围绕非标准抽样调查的几个重要环节来讨论。 1.总体及总体单位的确定。与标准抽样调查方法的任务不同,农村非标准抽样要解决的问题主要是县及县以下各级对农村决策信息资料的需要。因此,非标准抽样要求全及总体的范围应尽量小,并且应与行政管理的层次和范围相一致。笔者认为,把村范围定为总体范     

基于贝叶斯网络推理的逼近理想解方案排序法

文章将贝叶斯网络推理技术应用在多属性决策中,先构造多属性决策问题的贝叶斯网络模型,再利用贝叶斯网络的双向推理功能,通过正向推理将复杂的关系网层层简化为父子节点关系,进而计算出各备选方案的属性值,在此基础上进行逆向推理,用条件概率的形式来量化的反应各方案与理想解之间的逻辑接近度,并依此给方案排序,最后通过具体算例表明方法的有效性和灵敏性。     

解析显著性水平及应用

文章从正态分布“3σ”准则出发,结合中心极限定理,从概率与统计的角度,对基本概念显著性水平a进行了简明剖析,对与此概念密切相关的参数估计和假设检验问题进行了详细解读,并利用风险决策中有关原理,结合实际问题进行合理的统计推断与科学决策.     

琐论 重点调查

琐论重点调查厦门大学陈仁恩重点调查在过去、现在和将来都不失为重要的统计调查方法，本文琐谈重点调查的一些问题。在国外，把非全面调查全部列入抽样调查的范畴，且依据抽取单位是否按随机原则，分为概率抽样和非概率抽样——有意抽样。从广义上说，重点调查也是非概率...     

正态均值变点识别的非迭代抽样算法

文章提出了估计正态序列均值变点位置的非迭代抽样算法.利用逆贝叶斯公式,得到了变点位置的精确后验分布,通过对该离散分布抽取样本,得到变点位置的贝叶斯估计.模拟显示该算法能有效地估计变点位置,并且计算速度比迭代的Gibbs抽样算法快.     

多阶段抽样方法在医药调查中的综合应用讨论

在医药调研中通常会遇到大规模大范围调研的需求．在经费、人力、物力和时间有限的情况下，采用抽样调查方法，可节省开支，节约时间，以较少的人力、物力和财力，达到满意的调查效果。抽样调查方法可分为概率抽样和非概率抽样，其中，概率抽样方法包括简单随机抽样、系统抽样、分层抽样、整群抽样和多阶段抽样等，本文将主要介绍多阶段抽样方法在医药调查中的应用。     

贝叶斯网络决策在房地产投资风险控制中的应用

文章结合总和一阶贝叶斯网络学习模拟,获得面向不同风险控制决策程度的房地产先验概率、后验概率及其对应的密度函数,从中比对不同投资风险控制效益对应的条件概率.结果表明,基于贝叶斯网络推理可以获得更具有确切显性特性的房地产投资风险控制决策信号;中层级获得了最高的测试值,最低的为高风险决策级.贝叶斯网络推理一定程度上削弱了原先的网络学习对投资风险控制的先验概率对关联强度的影响,应均衡房地产在风险控制绝对与管理之间的投资策略.     

移动互联企业投资风险评估的拓展贝叶斯决策模型

文章提出了一种面向移动互联企业投资风险评估的拓展贝叶斯决策模型:从系统性风险和非系统性风险两个方面构建了移动互联企业投资风险评判指标体系,同时采用层次分析法计算得到了各个投资风险评判指标的权重;从隶属度模型构建方法、概率空间分解方法和贝叶斯概率确定技术三个方面详细阐述了拓展贝叶斯决策模型的实现过程.     

基于贝叶斯网络分类的个人信用评估模型

1贝叶斯网络分类模型1.1贝叶斯分类原理设U=邀X,C妖是随机变量有限集,其中X=邀X1熏…熏Xn妖是属性变量集,C是类变量,取值范围为邀c1熏…熏cl妖,xi是属性Xi的取值。样本xi=穴x1熏…熏xn雪属于ci的概率,由贝叶斯定理可表示为:P穴C=cj｜X=xi雪=P穴cPj雪P穴x穴x1熏1…熏…熏x熏nx雪     

一种基于多变量空间非概率抽样方法的设计

文章基于样本均值无偏估计和有效估计的前提下,以行政区域单位划分为抽样框,采用多个辅助指标控制多目标抽样估计的误差,设计了一种多指标空间非概率抽样样本选取方法.并利用陕西省2014年城镇人均可支配收入以及人口增长率两个辅助指标对陕西省107个区县进行了抽样应用,结果显示样本的抽取涵盖了各个不同水平层次的区县,抽样效果良好.     

贝叶斯推断在抽样审计中的应用研究

本文探讨了贝叶斯推断在抽样审计中的具体运用,并结合一个具体的实例对贝叶斯推断在抽样审计的应用做了实证分析,最后,对贝叶斯推断在抽样审计中的运用进行了评析。     

Bootstrap方法在非参数核估计中的研究与应用

当数据中存在异常值时,Bootstrap样本可能比原有样本舍有更多的"污染",这会影响要进行的统计推断的有效性.文章讨论了在非参数回归N-w估计中,如何利用影响函数(influencefunction)得到重新抽样的概率,使用调整后的非等概率Bootstrap抽样方法得到曲线的拟合,从而达到有效地抵制异常值对回归函数影响的目的.数值模拟的结果表明了这种处理方法的有效性.     

风险型决策的一种改进方法──马尔可夫分析法

风险型决策指在环境信息不完备，但各种状态出现的概率已知的条件下作出的决策，其准确性通常高于用先验概率作出的决策．这种决策要冒一定的风险。而不确定型决策是指环境信息不完备，且各种状态出现的概率未知，决策者根据自己的主观判断作出的决策。这种决策的风险更大。贵刊1996年第11期施平同志的《浅谈不确定型决策的改进方法》一文对不确定型决策方法进行了一定的改进，即在各种状态发生的概率未知的情况下．通过一些凭经验和直觉得到的模糊信息，利用期望值最大准则进行决策．实际上，该文的思路是将不确定型决策转化为风段型决策来…     

聊城人口形势面面观

根据国务院的决定。我国于2005年11月1日进行了全国1％人口抽样调查工作。这次调查以全国为总体，以各省、自治区、直辖市为次总体．采取分层、多阶段、整群概率比例的抽样方法．最终样本单位为调查小区。这次调查是以户为单位进行调查．我市总计调查17381户．样本量为57505人．超过全市总人口的1％．通过人口的样本资料分布情况及规律显示：近年来．我市积极落实科学发展观．努力构建社会主义和谐社会。坚持实行人口与发展统筹考虑、综合决策、协调推进．全市经济社会发展取得了可喜成绩．人口的发展出现了可喜的局面．自发的、有组织的流动等多种形式相结合的方式。已成为人口流动．特别是劳动力流动的一大特点．样本人口性别结构合理，户均人口继续减少，样本人口出生率与死亡率接近总人口的出生与死亡比率．     

大数据背景下贝叶斯模型平均的理论突破与应用前景

大数据统计分析过程中常面临模型比较和选择的不确定性问题。贝叶斯模型平均(BMA)方法可以通过先验和后验概率度量模型不确定性,并利用后验概率对模型的结果进行加权平均,最终得到更稳健的估计结果。在回顾贝叶斯模型平均发展历程的基础上,介绍贝叶斯模型平均的基本原理,综述其在一些难点问题上的理论进展,并介绍大数据背景下贝叶斯模型平均的应用前景。贝叶斯模型平均与复杂数据分析方法相结合,可能成为大数据研究的新思路。