贝叶斯估计在抽样调查中实际应用.pptVIP

* 贝叶斯估计在抽样推断中的应用 贝叶斯估计法也是一种需要利用与调查变量相关的辅助变量（先验信息）进行估计的方法，但其方法和思路与其他方法相比有自己的特色。贝叶斯估计法的基本思路是，要对某一指标或目标进行估计，则总体以前该指标的水平，即先验指标与目前欲估计的指标（即目标量）也称后验指标有关，可以利用先验指标对后验指标进行估计。 * 设，欲对总体均值 进行估计，根据该总体以往的资料有该指标的平均数 和方差 ，现从总体N中抽出容量为n的样本，计算得样本平均数 和该平均数的方差 ，则总体均值的贝叶斯估计法的估计量为： * 其中： 估计量的方差为： * 显然 是相关的同一指标的两个取值水平，则上式的 可以看做是以方差的倒数 和 为权数的加权算术平均，实际上此方差的 倒数是估计精度的倒数，即方差的值越大，其 倒数便越小，则相应平均数作为估计的精度就 越低，通俗的讲是该平均数的代表性越差；反之，方差越小，其倒数越大，相应平均数的估计精度越高。 * 贝叶斯估计量方差的意义是先