抽样讲稿学习.pptxVIP

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按照来分，拉普拉斯估计每年每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;;;;;;【例】对以下假设总体（N=6），用简单随机抽样抽取的样本，比较简单随机抽样比估计及简单估计的性质。 ;;;二、比率估计的性质;比率估计的近似方差;三、比率估计的效率 ;;;;四、分层随机抽样下的比率估计 ;分别比率估计量要求每一层的样本量都比较大，如果达不到这个要求，则它的偏倚可能比较大，这时使用联合比率估计量。 combined ratio estimator ;第19页/共42页;方差的比较;;第22页/共42页;第23页/共42页;;总体回归系数;大样本条件下;第27页/共42页;第28页/共42页;第29页/共42页;? 当 较大时， 适用场合 ? ;第31页/共42页;无偏;渐近无偏;其中;;;;七 其他 估 计;大样本条件下 回归估计优于简单估计和比率估计;样本量小时，回归估计偏差大于比率估计;三种估计量之间的关系;感谢您的观看！