基于样本均值的最优无重叠k-序对排序集抽样

讲座内容： 作为一个提高抽样效率的抽样方法，排序集抽样被越来越广泛地应用到各个领域. 我们提出了无重叠k-序对排序集抽样方法——在每个排序集中对k-序对个体进行观测，并且不同的排序集的k-序对之间没有任何重复。我们首先探究了此抽样方法得到的样本均值的有效性随每个排序集中k-序对个体间的相关性变化的趋势。k-序对个体间的相关性越强，样本均值的有效性损失越大。

本文的目的是找到无重叠k-序对排序集抽样方法中k-序对分配的最优方案从而使样本均值的有效性损失最小，并证明了最优的无重叠k-序对排序集抽样比广义排序集抽样以及简单随机抽样更有效。尽管无重叠k-序对排序集抽样方法的统计效率低于经典的排序集抽样，但是在成本模型下，最优的无重叠k-序对排序集抽样方法可以比经典的排序集抽样更有效。