[考題] 抽樣方法

看板Examination作者 ( )時間9年前 (2014/09/16 20:16), 編輯推噓1(108)
留言9則, 2人參與, 最新討論串3/7 (看更多)
95身心三等 假設母體含有四個抽樣單位(sampling unit),其對應的觀測值與被抽出的機率如下: 抽樣單位編號│ 1 2 3 4 ____________│______________________ │ 被抽出的機率│ 0.1 0.1 0.3 0.5 ____________│______________________ │ 觀測值 │ 10 20 50 80 今從此一母體依照前述抽出機率,依序抽出兩個觀測值且第一次抽出後放回,再抽出 第二個,因此是抽出放回的非相等機率抽樣(unequal probability sampling)且母體 總數 N=4,樣本數 n=2。 (一)求所抽出的樣本包含編號3的機率。 (二)提出母體總數的不偏估計量。 (三)以所有可能的樣本結果驗證(二)。 問題是在(三) 我用H-T估計式來當第二題的估計量 ︿ N y_i*t_i θ = Σ ----------- i=1 π_i 想法:1.先算出每一個元素的包含機率(π_i) 2.算出所有可能的母體總數估計值 3.建立母體總數估計值的抽樣分配 4.算出此抽樣分配的期望值,看它是否會等於母體總數 過程:π_1 = 1-(1-0.1)^2 = 0.19 π_2 = 1-(1-0.1)^2 = 0.19 π_3 = 1-(1-0.3)^2 = 0.51 π_4 = 1-(1-0.5)^2 = 0.75 ︿ 樣本編號 母體總數估計值(θ) 機率 _______________________________________________________ (1,1) (10/0.19)+(10/0.19)=105.2632 1/16 (1,2) (10/0.19)+(20/0.19)=157.8947 2/16 (1,3) (10/0.19)+(50/0.51)=150.6708 2/16 (1,4) (10/0.19)+(80/0.75)=159.2982 2/16 (2,2) (20/0.19)+(20/0.19)=210.5263 1/16 (2,3) (20/0.19)+(50/0.51)=203.3024 2/16 (2,4) (20/0.19)+(80/0.75)=211.9298 2/16 (3,3) (50/0.51)+(50/0.51)=196.0784 1/16 (3,4) (50/0.51)+(80/0.75)=204.7059 2/16 (4,4) (80/0.75)+(80/0.75)=213.3333 1/16 ︿ E(θ)=(1/16)*(105.2632+2*157.8947+2*150.6708+2*159.2982+210.5263 +2*203.3024+2*211.9298+196.0784+2*204.7059+213.3333) =181.3003 母體總數τ=10+20+50+80=160 因為算出來的結果跟母體總數τ有點差距,所以想請問是不是我的想法有問題, 還是有其他解法,麻煩幫小弟解惑,謝謝! -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 111.252.15.34 ※ 文章網址: http://www.ptt.cc/bbs/Examination/M.1410869770.A.DAA.html

09/16 20:51, , 1F
終於有人發現這問題了!
09/16 20:51, 1F

09/16 20:51, , 2F
(1,1) (2,2) (3,3) (4,4) 錯了
09/16 20:51, 2F

09/16 20:53, , 3F
HT Estimator 所要用的是 effective sample size
09/16 20:53, 3F

09/16 20:55, , 4F
還有你每個可能樣本組合的機率,算錯了...
09/16 20:55, 4F

09/16 20:57, , 5F
舉例來說,(3,4)這組的機率應該是(0.3*0.5)*2=0.3
09/16 20:57, 5F

09/16 21:20, , 6F
有興趣可看100_關務_第三題,這題坊間答案都是錯誤的!
09/16 21:20, 6F

09/16 21:24, , 7F
至於你提的這題,建議用HH算,HT會超麻煩!
09/16 21:24, 7F

09/16 21:25, , 8F
等高普考後,有空我會再分享歷年不等機率的考題答案。
09/16 21:25, 8F

09/16 22:46, , 9F
OK 謝謝
09/16 22:46, 9F
文章代碼(AID): #1K62eAsg (Examination)
文章代碼(AID): #1K62eAsg (Examination)