几种测线调查样本密度估计方法的对比研究.pdfVIP

中国现场统计研究会第一t-三届学术年会论文 2007年8月 m1们)￡圾愀． (5) 彳脚(夕(。))=(2一严)(0+)￡m∽加)2矗4 对(5)进行最小化，Mack，Y．P．等(1999)得到一个最佳带幅宽如下， ‰《朋)￡砍啪／柏圳碱门卜刈5． (6) 二、其它二种密度推定方法 1、LSCV法(LeastCrossValidation) Squares LSCV(^)=dl(办)一』f 2(x)dx=f刀(x)dx一2n-I∑：，五．，(x，) =2(，l2办) ∑∑kK(h X 2n(n ．． Ih，=l，=，+(K ( 7 ) 对(7)式进行最小化，LSCV法的最佳带幅宽可以由以下的表达式求出。 办埘矿=argmi。nL。贮y(办) ，l ● 2、距离数据的最大似然估计法 o≤x≤形． (8) 对于半正态DF，g(x)=exp{-x2／(20-2)} 甜=fg(f)dr≈历，夕(o)=l／五=√2胛倾∑2。xa 所以， 6：B万L：∑2，x?／,／-3】-¨2． (9) 其中，厂(0)是厂(0)的推定，D是D的推定值。 三、数值模拟 首先，用半正态DF，通过计算机模拟生成调查对象的距离数据；然后，使用3个最佳带 幅宽和LSCV法的最佳带幅宽，以及最大似然法来进行密度推定。并且，把上述的5者进行综 合比较，分析它们的优劣。在对于正态k(x)、半正态甙x)，计算得到最佳带幅宽的结果： s a 0-n一、f h喊=1．059 8-／一、”，hLNo=0．757o-sf3n一1”，hA憾E=0．933 为了对密度推定的结果进行评价，我们引入以下两个统计量：一个是相对根平均平方误 RootMean 差RRMSE(RelativeSquareError)， RRMSE (10) =√J叫∑：。【(D．一D)／D】2， 另一个统计量是相对偏RB(RelativeBias) RB=【E(D)一D】／D， (11) 124 中国现场统计研究会第十三届学术年会论文 2007年8月 这里，S是模拟的次数，刃是调查范围中的调查对象的分布密度，西；(i=l，2，…，S)是第i 次模拟中刀的推定值。一般说来，这两个值越小越好，只有在两者都比较小的时候，才可以 说得到了比较好的推定结果。假定约一半的调查对象能够被发现，我们对DF中的参数设定 W=l，o-=0．