版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、本文研究隨機(jī)選擇的排序集抽樣,一般廣義排序集抽樣和極端排序集抽樣Ⅱ這三種廣義排序集抽樣方法的設(shè)計(jì)優(yōu)化問(wèn)題。
首先,研究隨機(jī)選擇排序集抽樣(MRSS),將其應(yīng)用在指數(shù)分布和對(duì)數(shù)分布上,得到了兩個(gè)分布下的MRSS均值估計(jì)的方差。然后,在指數(shù)分布下,與簡(jiǎn)單隨機(jī)抽樣(SRS)方法的均值估計(jì)的方差相比較;在對(duì)數(shù)分布下,與均值估計(jì)的R-C下界相比較,分別得到了MRSS方法的最優(yōu)設(shè)計(jì)方案。證明了在一些情形下,MRSS的均值估計(jì)比SRS更實(shí)用
2、,更有效。
其次,提出了一種新的廣義排序集抽樣(GRSS),給出了該抽樣方法產(chǎn)生的樣本均勻分布分位數(shù)的估計(jì)公式,與最優(yōu)線性無(wú)偏估計(jì)(BLUE)分位數(shù)估計(jì)比較。給出了基于新方法和文獻(xiàn)中的方法最小方差無(wú)偏估計(jì)(MVUE),簡(jiǎn)單估計(jì)(SE)和均衡排序集估計(jì)(RSS)這三種具體抽樣方法的分位數(shù)估計(jì)公式,計(jì)算相應(yīng)的方差和相關(guān)系數(shù),證明了在估計(jì)均勻分布的分位數(shù)時(shí),這種新的方法優(yōu)于文獻(xiàn)中的方法。
最后,對(duì)K元排序集抽樣的一個(gè)特例極
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒(méi)有圖紙預(yù)覽就沒(méi)有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 多排序者下排序集抽樣的均值估計(jì).pdf
- 基于排序集抽樣的回歸效率分析.pdf
- 28382.分層排序集抽樣探討
- 導(dǎo)數(shù)中分類討論的三種常見(jiàn)類型
- 基于排序集抽樣的分位數(shù)符號(hào)檢驗(yàn).pdf
- 三種抽樣方法的概念和一般步驟
- 37578.本原矩陣的三種廣義指數(shù)的研究
- 多分類logistics回歸排序集抽樣方法及其應(yīng)用.pdf
- 11475.在優(yōu)良的排序集抽樣下廣義貝努利分布中參數(shù)的極大似然估計(jì)
- 排序集抽樣下樣本參數(shù)的似然比檢驗(yàn).pdf
- 排序集抽樣下帕累托分布形狀參數(shù)的估計(jì).pdf
- 社會(huì)網(wǎng)中三種類型種集發(fā)現(xiàn)算法研究.pdf
- 關(guān)和效益審計(jì)三種不同層次探討論文
- 35747.排序集抽樣下有先驗(yàn)信息的極大似然估計(jì)
- 兩階段排序集抽樣下對(duì)稱分布位置尺度參數(shù)的估計(jì).pdf
- 動(dòng)態(tài)排序集抽樣下刻度分布族刻度參數(shù)的參數(shù)估計(jì).pdf
- 三種力
- 閱讀的三種方式
- 波特的三種戰(zhàn)略
- 添附的三種形式
評(píng)論
0/150
提交評(píng)論