多个独立总体的均值多重比较是统计假设检验的一项重要内容。文章从虚拟变量回归的角度对此进行了考察,借助于其能够处理定性因素的特点,设计了一种新的方法来进行多个独立总体的均值的多重比较。首先阐述了虚拟变量回归替代单因素方差分析F检验的背景思路;然后从数学上论证了虚拟变量回归与单因素方差分析的等效性;接着阐述了虚拟变量回归进行均值比较的特点;最后提出了基于虚拟变量回归的进行多个独立总体的均值多重比较的方法。

【目的】以林场或县森林资源总体为调查对象,及时、准确地调查监测总体平均每公顷蓄积量,对上级(如市、省)部门开展森林资源宏观管理、生态保护价值评价、森林碳储量计量、领导干部任期绩效考核等工作都有重要支撑作用。将卫星、无人机等多源遥感数据作为辅助数据,采用较少抽样调查样地数据,实现总体参数有效估测的新方法,已成为国内外重要的研究方向,但目前,国内尚无多种现有估计方法的比较评价研究。为了促进新一代遥感技术在森林资源调查业务中的应用,提高我国森林资源天空地一体化调查监测技术水平,亟需对现有林场或县总体参数估测方法进行比较评价研究。【方法】以内蒙古旺业甸实验林场主要人工林树种为总体,基于2019年在林场获取的无人机激光雷达(LiDAR)抽样数据、Sentinel-2A多光谱数据(全覆盖)和少量样地数据,针对样地(p)、样地-卫星(ps)、样地-抽样无人机LiDAR(pl)以及样地-抽样无人机LiDAR-卫星(pls)4种模式,利用适合这4种模式的概率抽样法(DB)、模型辅助法(MA)、模型法(MD)和混合法(HY)4类共5种估测方法(DB_p、MD_(ps)、MA_(ps)、HY_(pl)以及MD_(pls))对总体森林蓄积量密度均值(MSVD)进行估计与对比分析。【结果】(1)DB_p、MD_(ps)、MA_(ps)、HY_(pl)、MD_(pls) 5种方法估测的MSVD分别为212.54、202.09、202.38、210.07以及208.96 m~3/hm~2,精度分别为90.44%、91.54%、91.69%、96.35%和96.45%,方差依次减小。(2)其他4种方法相对于MD_(pls)方法的估计效率(RE)均大于1 (RE_(DBp,MDpls)=5.39,RE_(MDps,MDpls)=3.82,RE_(MAps,MDpls)=3.69,RE_(HYpl,MDpls)=1.07);HY_(pl)相对于MD_(pls)的RE略大于1,但几倍于其他3种方法(RE_(DBp,HYpl)=5.02,RE_(MAps,HYpl)=3.43,RE_(MDps,HYpl)=3.56)。(3)包含LiDAR数据的HY_(pl)与MD_(pls)方法相对于包含Sentinel-2A数据的MD_(ps)与MA_(ps)方法均为正效率(RE_(MAps,HYpl)=3.43,RE_(MDps,HYpl)=3.56,RE_(MDps,MDpls)=3.82,RE_(MAps,MDpls)=3.69);MD_(ps)与MA_(ps)方法之间的RE接近1,但MA_(ps)的效率微高于MD_(ps)(RE_(MDps,MAps)=1.04)。【结论】和只利用样地数据的估计方法相比,将遥感数据作为辅助变量建立估测模型,无论是采用对蓄积量不够敏感的林场全覆盖Sentinel-2A多光谱遥感数据,还是采用对蓄积量很敏感的抽样式获取的LiDAR数据,都可有效提高林场总体MSVD的估测精度。涉及遥感数据应用的4种方法,估计精度最高的为MD_(pls),其次为HY_(pl),这2种方法都包含了LiDAR遥感抽样观测数据的应用,都是适应于林场总体MSVD估计的年度监测方法。可实现天空地3种观测数据协同应用的MD_(pls)估测精度和相对效率最高,可作为林场森林蓄积量年度监测的首选方法。

在更一般的模型和加权平方损失下,文章考虑改良著名的Efron-Morris估计,研究了加权损失函数下均值矩阵估计的改进方法,并把相关结果应用到协方差估计的改进问题中去。在适当条件下,证明了该估计是极小极大的。最后通过一个数值例子验证了结果的有效性。

文章使用参数bootstrap(PB)方法考虑了当方差未知且可以不相等时多个正态总体共同均值的假设检验和置信区间构造问题。基于共同均值一个著名估计,提出了一种参数bootstrap统计推断方法,并借助Mon-te Carlo方法与经典的近似解法和广义推断方法进行了比较。随机模拟结果表明,就第一类错误概率和覆盖率而言,参数bootstrap推断方法表现更好。参数bootstrap方法不仅具有满意的第一类错误概率和覆盖率,而且具有良好的检验功效和置信区间平均长度表现。

未知参数的区间估计是一种非常重要的统计推断形式。文章从单个正态总体入手,用枢轴量法在均值已知条件下提出总体方差的一种置信区间,并将该置信区间与常用的总体方差的置信区间进行比较,从而说明常用的总体方差的置信区间的合理性。

根据样本资料对总体进行推断分析,是现代统计学的基本认识逻辑。在这一过程中,抽取多大规模的观察样本,是抽样设计阶段必须考虑的问题,因为它不仅决定着统计推断的效果,同时也关系到统计决策分析的经济性。文章依据频率统计的基本原理,对多个总体均值同时进行假设检验时所需要的样本观察数目进行了讨论,包括多个总体均值假设检验时的样本容量,多个总体成数假设检验时的样本容量等。

无回答的产生,对抽样调查结果的可信性产生了一定的影响,这引起了许多统计学者的关注。但至今仍未能找到一个比较满意的处理无回答的方法。现行的主要一些无回答处理方法,都侧重于事后对无回答数据本身的补救。文章则主要着眼于受访者的回答概率,在随机性回答下,给出了总体均值的一个估计。通过事先对总体均值给出一个大体的水平值,或者叫经验值;然后估计均值与这一水平的差距;最后在一定范围内改变这一水平值,减小了估计的方差。

一、引言设样本!X1,X2,…,Xm’与!Y1,Y2,…,Yn*之间相互独立,分别取自同方差正态总体X～N(μ1,σ2)和Y～N(μ1,σ2),我们所要考虑的问题是检验

确定适宜的试验重复次数一直是野外试验关注的问题。利用计算机摸拟试验,从控制犯第二类错误的概率来研究两总体均值比较试验时的重复次数问题,求得在已知历史资料情况下样本容量的计算公式。建议初次试验组内重复次数不宜少于10次。表2参13

传统均值-CVaR模型具有不稳健性,当样本数据存在离群值时,传统均值-CVaR模型获得的投资效果可能会偏离实际情况。针对这一现象,文中将稳健统计思想与传统均值-CVaR模型相结合,构建出稳健均值-CVaR模型以削弱或消除离群值的影响,从而获得较为可靠的投资效果。为了说明稳健改进方法的有效性和可行性,文中进行了模拟实验和实证分析,结果均表明:当数据中不存在离群值时,传统和稳健均值-CVaR模型获得的投资效果基本保持一致;但当数据中存在离群值时,传统均值-CVaR模型获得的投资效果与实际不符,而稳健均值-CVaR模型获得的投资效果仍保持着良好的一致性,说明稳健均值-CVaR模型对离群值具有较好的抗差性和抗干扰性。

文章定义了一种使用双辅助信息的估计量,研究了这一估计量的均方误差,证明了在一定条件下新定义的估计量优于DesRaj双辅助变量回归估计量。并且从数值角度得到了验证。

要想找出正态总体均值与标准差比在序约束下的假设检验的检验统计量是一个比较困难的问题,即使找到了,也比较复杂。文章通过求出正态总体均值与标准差比在序约束下的置信区间,根据置信区间与假设检验的关系,得出了检验的拒绝域与接受域,避免了通过找到检验统计量来确定拒绝域与接受域的困难。

多元保序回归理论对统计学中研究多维参数在序约束下的估计理论起着关键性作用。本文讨论了当协方差矩阵已知,在简单半序约束下,对三个多元正态总体均值的估计问题,给出了估计的算法。并证明了在多元均方损失条件下,给出的均值估计优于无序约束的均值估计。

一、问题的提出在客观实际中,许多随机现象都服从或近似服从正态分布,在这些随机现象的分布中,它所含的参数有的并不是一个未知的常数,而是一个随机变量,比如测量误差,由于各种原因,每天的平均误差都不一样,出现任何数的可能性都存