抽样调查中的粗化集合.pdfVIP

2. 抽樣調查中的粗化集合 2. 1 統計模型 抽樣調查中最基本實用的狀況為我們建立了統計學推測結論的一般架構, 設 U {1, 2,K , N}是一個有限母體, 而 θ : U →ℜ是我們的利益量, ℜ可以是任意 0 自然數, 就像 R +,R d ,C 0,1 一樣。 我們對於估算θ 或透過觀測θ 在某些 U 底下 [ ] 0 0 的子集 A 得到的某些函數τ θ 感到興趣, 即突顯出θ 在 A 上的限制, 我們寫成 ( ) 0 0 θ | A 。 0 一個隨機蒐集最簡單的方法就是採用人造的隨機機制, 稱為機率抽樣計畫。 這是透過具體化在冪集合 U 中機率密度函數f 之後的結果, 如下所示： f : P U → 0,1 , f A 1, ( ) [ ] ∑ ( ) A ⊆U 其中 f A 為選取 U 底下的子集 A 的機率。 ( ) 在很多個案當中, 假設f 為已知。 首先, 我們的母體參數θ 為未知數, 但是它 0 U 位於參數空間 Θ=ℜ θ: U =→ℜ 之中, 既然 U是有限的, 那麼θ也是為有限次 { } 方的。 接著, 當我們開始進行隨機實驗時, 根據機率定律 f 取得一個 U 的子集 A , 但我們仍對 θ | A 非常感興趣。 因此, 我們可以將我們隨機實驗的結果視為 0 θ | A , 而不是每個標準誤差中的 A 。 我們隨機實驗的樣本空間如下所示： 0 A χ U ℜ 。 A ⊆U 在機率抽樣調查中, 我們隨機實驗的結果即為樣本, 所以我們稱所有合理結 果的空間為其樣本空間。 我們可以明顯看到 x ∈X 是取自一個與 f 和θ ∈θ 相關 的機率定律, 對於 x ∈X , 也就是 x θ| , 對於 A ⊆U 來說是觀測 x 得到的機率： A f x f θ| f A 。 ( ) ( ) ( ) θ θ A 因此, 假設 f :X → 0,1 為 θ [ ] 3 f A if x θ| ⎧⎪ ( ) A f x