论文部分内容阅读
排序集抽样(RSS)方法最初是由McIntyre(1952)在研究估计总体均值这一问题时提出来的。将RSS与简单随机抽样(SRS)作比较，在相同的样本容量的情况下，RSS具有更高的效率。在新近的文章中，人们在相同花费下对RSS的效率和SRS的效率进行了比较，具体说，他们将抽样、排序和测量等相关的花费引入了比较。Nahhas，Wolfe，和Chen(2002)首先在正态分布模型下对这一问题进行了研究，建立了花费模型，并得出了最佳的集合个数的大小。后来You-Gan Wang，ZeHua Chen和Jianbin Liu(2004)又对这一花费模型进行了改进，并做出了进一步的研究。他们的主要工作是将每一行抽取一个元素的排序集抽样(RSS)改变为每一行抽取多个，并在花费总数固定的情况下对花费的效益做出了研究。 在这篇文章中，我们将研究工作做以下改进:将总体服从正态分布变成总体服从均匀分布，并基于均匀分布的充分完全统计量的指导，来安排RSS抽样，即抽取一组中最大和最小的进行测量，并在这样的模型下，考虑集合的大小与花费效益的情况。我们可以发现，在抽取最大和最小两个元素时，花费的效益比之抽取一个元素的效益要高，也就是说这样改进后的抽样方式比原来的排序集抽样(RSS)模型有更高的花费效益。同时，在固定花费比例的情况下，我们发现这样的花费效益会随着集合个数n的增大而增大，而在n固定的情况下，会随着相关花费比例的改变而改变。总的来说，这样的抽样方式下的花费效益与传统的排序集抽样模型相比较而言有优势，更优于简单随机抽样(SRS)模型。