众所周知,统计认识活动的一个重要环节是通过统计调查获取统计数据,然后再据以进行科学的统计分析.在实际问题中,我们所要研究的事物的数量总是很庞大,获得全部需要的数据是不易的,或者是不可能实现的,这就给我们研究事物的总体特征带来了不便.抽样技术的应用就很好地解决了这个问题,不必获取全部个体信息,而是利用样本总体.好的抽样方法能节省调查费用,增强调查的时效性,有助于提高数据的质量,承担全面调查难以胜任的调查任务,所得的样本能很好地描述总体的特征.排序集抽样(RSS)最初是由澳大利亚农业学家McIntyre在1952年估计某地牧场草产量时首次提出来的一种有效的收集数据的方法.尤其当兴趣变量不易量化而容易排序时,RSS的优势就更加明显.为了减少排序出错并且保留RSS的优良抽样性质,Samawi et al.(1996)和Al-Odat et al.(2001)相继先后提出了极值RSS(ERSS)和动态极值RSS(MERSS).这两种抽样方法提出后,统计学者们对许多常用模型展开了更深入的研究.本文研究了在RSS,ERSS和MERSS下总体均值的比率估计,主要内容分为如下几个方面:(1)研究了在RSS下使用辅助变量的上下四分位数信息后总体均值的比率估计.获得了这个比率估计的性质.数值结果表明在RSS下的这个比率估计一致优于简单随机抽样下的相应比率估计.(2)研究了在ERSS下总体均值的比率估计.获得了这个比率估计的性质.数值结果表明在ERSS下的这个比率估计一致优于简单随机抽样下的相应比率估计.(3)研究了在ERSS下使用辅助变量的上下四分位数信息后总体均值的比率估计.获得了这个比率估计的性质.数值结果表明在ERSS下的这个比率估计一致优于简单随机抽样下的相应比率估计.(4)研究了在MERSS下使用辅助变量的上下四分位数信息后总体均值的比率估计.获得了这个比率估计的性质.数值结果表明在MERSS下的这个比率估计一致优于简单随机抽样下的相应比率估计.
暂无评论