被等概率抽样.pptVIP

与放回的PPS抽样类似，对于不放回不等概率抽样，我们最感兴趣的是 与单元大小 成比例的情形。 若仍记 ，则由性质1有： 以后我们将这种不放回的与单元大小成比例的概率抽样称为πPS抽样。 严格的πPS抽样实施起来非常复杂。事实上，只有当n=2时，才有一些简单且实用的方法。在不放回抽样的情形，如果抽选的单元多于一个，要使入样概率与单元大小成正比以及对调查估计值的误差进行估计都比较复杂。在用不放回πPS抽样抽取多于两个单元时，情况就更加复杂。实际上，这仍是一个需要进行认真研究的问题。除了实施方面的原因外，当n大时， 的计算也极其困难，而这对于方差估计是不可少的。 二、霍维茨—汤普森估计量及其性质 对不放回的不等概率抽样，总体总和Y的估计采用霍维茨（Horvitz）与汤普森（Thompson）提出的以下估计量： 注意这个估计量与多项抽样的汉森—赫维茨估计量 非常相似。事实上，对于πPS抽样，由于 ， 与相应PPS抽样的 完全一致。 霍维茨—汤普森估计量具有如下性质： （1）若 ，则 是Y的无偏估计，且它的方差为： 当n固定时，又有 （2）若 ，则 是 的无偏估计。 又当n固定时，以下的耶茨（Yates）—格伦迪（Grundy）—森（Sen）估计量 也是 的无偏估计： * 三、n=2的严格πPS抽样 对于πPS抽样，由于作为总体总和的霍维茨—汤普森估计量的形式相当简单，因此就应用角度来说，是否便利主要在于它的实施方法以及 的计算。当n=2时，有几种比较实用的方法（但在具体应用中，n=2并不是一个十分严重的限制）。这些方法常用在对总体分层，在每层中抽取两个样本单元的情况。 * （1）布鲁尔（Brewer）方法 该方法要求对每个i，都满足 ，即总体（层）中的最大单元必须小于全部单元大小总和的1/2（若不然可以将这个“特大”单元作为必调查的单元）。两个样本单元采用逐个抽取法抽取：第一个单元按与 成比例的概率抽取；第二个单元则在剩下的N-1个单元中按与成比例的概率抽取。 * （2）德宾（Durbin）方法 两个样本单元仍用逐个抽取法抽取。第一个样本单元以概率抽取，设抽到的是单元i；第二个样本单元则按与 成比例的概率抽取。 由于此时的 ，且 与布鲁尔方法的相等，因此德宾方法与布鲁尔方法实际上是等价的。应用德宾方法也要求对每个i，都满足 。 * 四、n2的严格πPS抽样 n2的严格πPS抽样要比n=2的情况复杂得多，即使可以实现， 的计算也相当复杂。下面仅介绍三种方法。 （1）水野（Midzuno）方法 这也是一种逐个抽取方法，关键是第一个样本单元的抽取，它是以概率 抽取的。在抽取第一个单元以后，在剩下的N-1个单元中不放回地等概率抽取n-1个单元。 * （2）布鲁尔（Brewer）方法 这是n=2的布鲁尔方法在n〉2情形的推广，也采用逐个抽取法。第一个单元是以与 成比例的概率抽取。在第r次抽取时，以与 成比例的概率从当时尚未入样的 单元中抽取一个单元。 * （3）拉奥（Rao）—桑普福特（Sampford）方法 这种方法是先以 的概率抽取第一个样本单元，然后以 与成比例的概率有放回地抽取n-1个单元（设所有的 ）。一旦有单元被重复抽中，则放弃所有已经抽到的单元重抽，直到抽中的n个单元都不同为止。这种方法的 也比较复杂，需要通过计算机计算。 * 五、n2的两种非严格的πPS抽样 当n2时，严格的πPS抽样比较复杂，特别是在对包含概率 的计算上。为此统计学家研究了一些非严格的πPS抽样方法。 （1）莫蒂（Murthy）方法 （2）拉奥（Rao）—哈特利（Hartley）—科克伦（Cochran）方法 本章内容讲授结束 * 《调查概论》教育软件 * * 第六章 不等概率抽样 第一节 不等概率抽样概述 第二节 放回不等概率抽样 第三节 不放回不等概率抽样 * 第一节 不等概率抽样概述 一、不等概率抽样的必要性 在简单随机抽样中，总体(或层)中的每个单元入样的概率