抽样比率估计的性质.pptVIP

1802年，拉普拉斯想要估计法国的人口数目。他获得了一个遍布全国范围的30commune的样本，截至1802年9月23日总共有2，037615居民。在包括1802年9月23日以前的三年中，215599个新生儿在30个commune。 拉普拉斯认为30个commune的每年注册的新生儿数为215599/3=71866.33.把2037615按照71866.33来分，拉普拉斯估计每年每28.35人里有一个注册新生儿。 具有众多人口的乡镇也就可能有同样众多的注册新生儿，通过用28.35乘以全法国年度新生儿总数来估计得出法国人口总数。 调查中都有辅助信息，抽样框也通常有每个单元额外的信息，这些信息能被用来提高我们的估计精度。 为什么要使用比率估计/回归估计 利用总体的辅助信息提高估计的精度。 辅助指标的选择 ：辅助指标应该与调查指标有较好的正的相关关系 。 的抽样分布较 的抽样分布变动性要小得多。 辅助指标的总体总量或总体均值已知。 比率估计、回归估计需要有足够的样本量才能保证估计的有效。 有偏估计：当样本量足够大时，估计的偏倚趋于0。 简单地想要估计一个比率 :假定总体由面积不同农业用地构成， yi =i地谷物的产量, xi ：i地的面积，B=每亩谷物的平均产量 想要估计一个总体总数，但总体大小N是未知的。但是我们知道,于是可以通过来估计N,由此我们可以使用不同于总数N