导读:本文包含了概率抽样论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:概率,不确定性,候选者,样本,得分,倾向,网络。
概率抽样论文文献综述
林庆洋[1]（2019）在《大数据背景下非概率抽样方法的应用研究》一文中研究指出大数据时代的到来,对我们以往传统的抽样方法做出了挑战。但局限于目前大数据的发展,大数据在很多限制条件下存在一些不足。因此在大数据背景下仍需抽样调查,但也需要做出顺应时代的调整。非概率抽样方法一直以来是重要的抽样方法,不同的非概率方法可应用于不同的抽样。而在大数据下非概率抽样方法的抽样框构建比较困难,抽取的样本是非概率样本,因此很难应用传统的统计推断理论。如果在抽样方法上通过样本匹配的样本选择的方法,可以使抽取的非概率样本模拟了概率样本,从而可以顺利使用统计推断的理论。(本文来源于《中外企业家》期刊2019年27期）
刘展[2]（2018）在《基于倾向得分多层模型的非概率抽样统计推断》一文中研究指出文章针对具有嵌套结构数据的网络候选者数据库,提出基于倾向得分多层模型的非概率抽样推断方法:根据网络候选者数据库的调查样本和参考样本,构建多层回归模型对倾向得分进行估计,并将倾向得分估计的逆作为网络候选者数据库调查样本的调整权数来估计总体。结果显示,基于倾向得分多层回归模型的总体估计效果较好,比基于倾向得分Logistic模型的总体估计的偏差更小,效率更高。(本文来源于《统计与决策》期刊2018年23期）
刘展[3]（2018）在《基于倾向得分广义线性模型的非概率抽样统计推断研究》一文中研究指出候选者数据库网络调查下非概率抽样的统计推断问题是网络调查发展中迫切需要解决的问题.提出基于倾向得分广义线性模型的非概率抽样推断方法:将网络候选者数据库的调查样本与参考样本结合,建立Logistic、Probit、C-log-log叁种广义线性模型来估计倾向得分,并对网络候选者数据库的调查样本进行倾向得分未加权比例的分组调整与倾向得分加权比例的分组调整来估计总体.研究结果表明:基于倾向得分广义线性模型的总体估计效果较好,并且使用调查权数的Logistic与C-log-log倾向得分未加权比例的分组调整估计最为稳健.(本文来源于《数学的实践与认识》期刊2018年16期）
王智光,闫在在,张婷婷[4]（2018）在《基于Brewer设计的不放回不等概率抽样方法》一文中研究指出文章通过将总体随机划分成n/2或(n+1)/2个组,在每组中按Brewer(1963)方法实施大小为2的严格按单元大小成比例不等概率抽样(πPS抽样),构造出总体总值的估计量,建立了相应的理论。通过数值比较发现给出的方法显着地改进了精度。(本文来源于《统计与决策》期刊2018年07期）
肖海燕[5]（2018）在《非概率抽样样本容量的确定问题》一文中研究指出在网络科技与大数据迅猛发展的今天,非概率抽样有了更广泛的应用空间。非概率抽样主要是解决总体单元难以分辩的抽样问题。而抽样结果估计是否准确可信一定程度上依赖于样本量的确定。主要阐述了非概率抽样在精度、调查费用与损失的要求下确定样本量的方法。(本文来源于《山西大同大学学报(自然科学版)》期刊2018年01期）
张维群,余欣媛,赵鲲鹏[6]（2017）在《一种基于多变量空间非概率抽样方法的设计》一文中研究指出文章基于样本均值无偏估计和有效估计的前提下,以行政区域单位划分为抽样框,采用多个辅助指标控制多目标抽样估计的误差,设计了一种多指标空间非概率抽样样本选取方法。并利用陕西省2014年城镇人均可支配收入以及人口增长率两个辅助指标对陕西省107个区县进行了抽样应用,结果显示样本的抽取涵盖了各个不同水平层次的区县,抽样效果良好。(本文来源于《统计与决策》期刊2017年20期）
胡俊红[7]（2017）在《大数据背景下非概率抽样的统计推断问题研究》一文中研究指出本文从大数据时代下分析数据的有效性这一前提出发,介绍有关非概率抽样统计的相关知识;并且就现有的非概率抽样方法结合互联网发展的趋势,提出对大数据背景下非概率抽样的统计方法的建议.(本文来源于《数学学习与研究》期刊2017年13期）
钱晓超,李伟,杨明[8]（2016）在《基于概率抽样仿真异类输入不确定性传播方法》一文中研究指出在已有概率、非概率不确定性描述理论的基础上,针对建模仿真中对不确定性下仿真结果的需求,提出一种基于概率抽样的异类不确定性联合传播方法.给出了基于概率框架的随机变量以及基于非概率框架的区间变量、模糊变量、不精确随机变量、模糊随机变量等不确定性描述方法.针对非概率框架下的不确定性描述方法存在的不确定性传播困难,分别给出了相应的概率框架转化模型.提出一种基于概率抽样的异类不确定性联合传播方法,实现了采用不同不确定性描述方法建模描述的不确定性变量的联合传播.(本文来源于《华中科技大学学报(自然科学版)》期刊2016年12期）
刘展,金勇进[9]（2016）在《基于倾向得分匹配与加权调整的非概率抽样统计推断方法研究》一文中研究指出文章针对非概率抽样统计推断问题,提出了一种解决方法:首先采用倾向得分匹配选择样本,然后采用倾向得分逆加权、加权组调整和事后分层调整叁种方法对匹配样本进行加权调整来估计目标总体,并比较不同方法估计的效果。蒙特卡罗模拟与实证研究表明:当网络访问固定样本大小与目标样本大小的比率小于3时,叁种加权方法估计的效果均比未加权时匹配样本的估计效果好;当网络访问固定样本大小与目标样本大小的比率不小于3时,倾向得分事后分层调整与未加权的匹配样本估计效果较好。(本文来源于《统计与决策》期刊2016年21期）
米子川[10]（2016）在《社交网络数据的非概率抽样策略及其有效性评价》一文中研究指出社交网络是由行动者及其关系组成的集合,具有多种复杂结构,一般认为社交网络即复杂网络。本文基于社交网站的基本结构,以及由此形成的用户行为数据,提出了面向复杂网络的六类抽样策略,包括广度优先搜索(Breadth First Search sampling)、随机点边抽样(Random node-edge sampling)、用户均匀抽样(Uniform sampling of IDs)、滚雪球抽样(Snowball Sampling)、随机游走抽样(Random walk sampling)以及决策树抽样(Decision tree sampling)。这些非概率抽样方法对于社交网站的动态数据结构,可以进行同步的抽样和推断,对估计网络规模、传播效率和传播路径具有重要的应用价值。本文利用新浪微博数据进行了实证研究,比较上述六种抽样策略的有效性和可行性,结论颇具参考价值。(本文来源于《第十届海峡两岸统计与概率研讨会摘要集》期刊2016-08-12）
概率抽样论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
文章针对具有嵌套结构数据的网络候选者数据库,提出基于倾向得分多层模型的非概率抽样推断方法:根据网络候选者数据库的调查样本和参考样本,构建多层回归模型对倾向得分进行估计,并将倾向得分估计的逆作为网络候选者数据库调查样本的调整权数来估计总体。结果显示,基于倾向得分多层回归模型的总体估计效果较好,比基于倾向得分Logistic模型的总体估计的偏差更小,效率更高。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
概率抽样论文参考文献
[1].林庆洋.大数据背景下非概率抽样方法的应用研究[J].中外企业家.2019
[2].刘展.基于倾向得分多层模型的非概率抽样统计推断[J].统计与决策.2018
[3].刘展.基于倾向得分广义线性模型的非概率抽样统计推断研究[J].数学的实践与认识.2018
[4].王智光,闫在在,张婷婷.基于Brewer设计的不放回不等概率抽样方法[J].统计与决策.2018
[5].肖海燕.非概率抽样样本容量的确定问题[J].山西大同大学学报(自然科学版).2018
[6].张维群,余欣媛,赵鲲鹏.一种基于多变量空间非概率抽样方法的设计[J].统计与决策.2017
[7].胡俊红.大数据背景下非概率抽样的统计推断问题研究[J].数学学习与研究.2017
[8].钱晓超,李伟,杨明.基于概率抽样仿真异类输入不确定性传播方法[J].华中科技大学学报(自然科学版).2016
[9].刘展,金勇进.基于倾向得分匹配与加权调整的非概率抽样统计推断方法研究[J].统计与决策.2016
[10].米子川.社交网络数据的非概率抽样策略及其有效性评价[C].第十届海峡两岸统计与概率研讨会摘要集.2016
论文知识图
