Global ETD Search

1	抽樣調查中未回覆或回覆未全問卷之探討潘冠男 Unknown Date (has links) 在社會科學領域或是自然科學領域中，如果想分析、探索或推論某一自然或社會的問題或現象，抽樣調查是最常使用的方法。根據以往的經驗，最影響抽樣效果且不易掌握的是非抽樣誤差，其中又以回覆率低為誤差的主要來源；依據對未回覆樣本是否再抽樣，處理方式可分為兩類，一是對未回覆樣本加以再抽樣，以獲的未回覆者的資訊，另一則是只對已回覆樣本加以調整，並不對未回覆樣本再抽樣。二者間最大差異在於對已回覆樣本做調整時，吾人假設未回覆樣本是隨機發生的，則應用加權法或是設算法較有效率，同時對母數的估計的效果也有不錯的表現；針對未回覆樣本加以再訪問，因為現有樣本中只包含回覆樣本的資訊，則應用再抽樣得到原先未回覆樣本的部分替代資訊，又綜合回覆樣本與對未回覆樣本再抽樣的的資訊做母數的估計。本文擬對如何處理整份問卷未回覆與問卷中某些項目未回覆做一系統性的探討。未回覆問卷設算雙重抽樣法
2	雙重抽樣之貝氏最佳樣本與子樣本數選取的特例梁淑真, LIANG, SHU-ZHEN Unknown Date (has links) 我們常常希望去估計一個大母體中各種不同領域內的參數值，而在抽樣實驗之前整個母體無法被分層。當實驗的總預算有限，若選取一組簡單隨機樣本來估計這些母體參數，可能不是一個佷嚴密的推定量，因此實驗者必須先決定一個有效、可行的抽樣方法。在本文中採取雙重抽樣的原理抽取樣本，而想要估計的母體參數是母體第ｊ領域所佔全母體的成數，並在固定的預算下討論貝氏最佳樣本與子樣本數的選取。 SMITH 及SEDRANSK（１９８２）利用雙重抽樣法研究魚群體的年齡組成，並解決了二個問題（１）利用貝氏法，估算第ｊ領域年齡的魚群所佔全體魚群的成數。（２）當總預算固定，並給定第一階段樣本數n'及其分配ｎ' ＝（ｎ' ，ｎ' ，－－－ｎ' ） 1 2 i 說明如何選取最佳的貝氏子樣本數分配，ｎ＝ｎ，ｎ* ，－－－ｎ* ）使得近 1 2 i 似的風險函數ｒ（ｎ',｛ｎi'｝，｛ｎi｝最小，其中０≦ｎi≦ｎi'（ｉ＝１，２，－－－Ｉ）而後JINN, SEDRANSK, SMITH（１９８７）延續以上結果，利用電腦模擬取樣，在必然的ｎL'≦ｎ'≦ｎU' 條件下，說明如何取得最佳的n'使得Ａ（n'）＝Ｅn'ln'｛ｒ（ｎ'，ｎ'，ｎ。*）｝最小．由於上述方法在一般情況下無法求得A(n') 的明確數學式，因此n'也就無法用式子表示出來。本文首先考慮Ｉ＝２的特殊情況，在這情況下舉一些例子說明如何求得A(n') 的明確數學式，並由此求出最佳的貝氏解n'。其次導出一些充分條件使得在忽略限制條件下由LAGRANGE乘數法所得的解ｎ＝（ｎ1，ｎ2）分別滿足（１）０≦ｎi≦ｎi'或（２）ｎi≦ｎi'（ｉ＝１，２）．最後在(1) 或 (2)成立的充分條件下，導出Ａ（n'）的數學式，進而求得最佳貝氏解n'。雙重抽樣貝氏法風險函數 LAGRANGE乘數法電腦模擬 DOUPLE-SAMPLING BASS-METHOD SMITH COMPUTER-SIMULATION SEDRANSK
3	一個極值問題在抽樣理論上的應用及其程式解田益誠, TIAN, YI-CHENG Unknown Date (has links) 在統計學上我們經常會遭遇到如下的問題： minimze subject to 其中和Ｃ都是已知。上述非線性規劃（NONLINEAR PROGRAMING）問題的最佳解，是相當複雜的，以致於我們無法用簡單的式子，將其解明確的表示出來。 RAO-GHANGURDE （１９７２）在“從有限母體抽樣的貝氏最佳解”這一篇文章中，對這種非線性規劃問題，提出一個反覆演算的解法，來解決這類問題，由於，我們無法看出其演算法的立論根據何在，收斂結果的精確性有多高，於是，本文在ｋ＝２及ｋ＝３的情形下，由直覺的幾何觀點，提出了另一個求最佳解的方法，來驗證RAO-GHAN GURED 反覆演算法的類確性。最後，本論文將上述非線性規劃問題的解法，應用到下面兩個例子上：（ａ）在 COCHRAN的“抽樣技巧”（ SAMPLING TECHNIQUES）這一本書裡，有關雙重抽樣（DOUBLE SAMPLING ）的理論中，也遭遇到要解決這一類問題，但由他的公式，所計算出來的解，並不一定會萬足所需要的限制條件。（ｂ）在SMITH-SEDRASK （１９８２）的“推估魚群年齡成份的貝氏最佳解“和JINN -SMITH-SEDRASK（１９８７）的“推估魚群年齡成份的貝氏最佳雙重抽樣”這兩篇的文章中，同樣的也遭遇到這一類的問題。極值問題抽樣理論統計學非線性規劃雙重抽樣 NONLINEAR-PROGRAMING DOUBLE-SAMPLING STATISTICIAN RAO-GHANGURDE SMITH-SEDRASK JINN-SMITH-SEDRASK

1

Page generated in 0.0266 seconds