MSC 62D中最近的zbMATH文章 https://zbmath.org/atom/cc/62D 2024-03-13T18:33:02.981707Z Werkzeug公司 使用对数型估计器对相关测量误差的影响评估 https://zbmath.org/1528.62003 2024-03-13T18:33:02.981707Z “Bhushan,Shashi” https://zbmath.org/authors/?q=ai:bhushan.shashi-布珊 “阿诺普·库马尔” https://zbmath.org/authors/?q=ai:kumar.anoop-库马尔 “Shukla,Shivam” https://zbmath.org/authors/?q=ai:shukla.shivam 摘要:在调查抽样中,各著名作者提供了几种估算程序来计算测量误差(ME)的影响,但相关测量误差(CME)的影响仅由\textit{Shalabh}和\textit}J.-R.Tsai}计算[公共统计,模拟计算46,第7号,5566-5593(2017;Zbl 1384.62033)]。本研究提供了一种通过使用简单随机抽样(SRS)的对数型估计来计算CME影响的新方法。研究了所提供估计的性质,并与传统估计的性质进行了比较。对真实和人工生成的种群进行了数值研究和广谱模拟研究,以支持理论结果。 使用两个辅助变量估计缺失数据下人口平均数的新链插补方法 https://zbmath.org/1528.62004 2024-03-13T18:33:02.981707Z “Bhushan,Shashi” https://zbmath.org/authors/?q=ai:bhushan.shashi-不丹 “潘迪,阿比海·普拉塔普” https://zbmath.org/authors/?q=ai:pandey.abhay-普拉塔普 小结:本文讨论了在完全随机缺失(MCAR)方法下使用两个辅助变量的一些新的链插补方法。从MSE的最优性角度对所提出的广义链式插补方法进行了测试。拟议的插补方法可以被视为对\textit{S.Singh}和\textit{S.Horn}[梅特里卡51,第3号,267--276(2000;Zbl 1093.62510)],\textit{S.Singh}和\textit{B.Deo}【统计页44,第4号,555--579(2003;Zbl 1050.62013)】,\textit{S.Singh}[统计43,第5号,499--511(2009;Zbl 1282.62026)],\textit{C.Kadilar}和\textit{H.Cingi}【公共统计,理论方法37,第14号,2226-2236(2008;Zbl 1143.62007)】和\textit{G.Diana}和\textit{P.F.Perri}【公共统计,理论方法39,No.18,3245-3251(2010;Zbl 1202.62008)】。相对于传统的链式插补方法,本文研究了所提出的链式填补方法的性能。得出了理论结果,并进行了比较研究,发现这些结果非常令人鼓舞,为所讨论的工作提供了改进。 是否存在一个“安全区”,即尽管不可忽视的无反应,但无反应率对偏见的影响不大? https://zbmath.org/1528.62005 2024-03-13T18:33:02.981707Z “丹·黑德林” https://zbmath.org/authors/?q=ai:hedlin.dan 摘要:社会调查中不断上升的无应答率使得无应答偏见问题备受争议。关于高响应率的重要性和低响应率的危害,存在着相互矛盾的信息。一些文章(例如[\textit{R.M.Groves}和\textit{e.Peytcheva},“无应答率对无应答偏见的影响:一项荟萃分析”,《公众意见》第72卷第2期,第167--189页(2008年)])表明,应答率通常不能很好地预测调查质量。同样,众所周知,无响应可能会导致偏见并增加数据收集成本。我们回顾了无应答文献的历史,并提出了一个可能的理由,即即使是很小的无应答率也会使调查的质量存在争议。我们还探讨了无应答率和偏差之间的关系,假设无应答是不可忽视的,并侧重于总数或平均数的估计。我们表明,一方面反应率和反应倾向与研究变量之间的相关性包围了一个“安全区”;在这方面,(1)响应率对无响应偏差影响不大,(2)无响应偏差较小。{\ copyright}2020作者。国际统计评论{\版权}2020国际统计研究所} 分层随机抽样总体平均数的修正比率与乘积型指数估计 https://zbmath.org/1528.62006 2024-03-13T18:33:02.981707Z “相反,哈立德·乌尔·伊斯兰” https://zbmath.org/authors/?q=ai:rather.khalid-乌尔伊斯拉姆 “卡洛斯·N·布扎” https://zbmath.org/authors/?q=ai:bouza-herrera.carlos-narciso公司 “Rizvi,S.E.H.” https://zbmath.org/authors/?q=ai:rizvi.s-电子-小时 “Sharma,Manish” https://zbmath.org/authors/?q=ai:sharma.manish-库马尔|sharma.manish-kr “Iqbal Jeelani Bhat,M.” https://zbmath.org/authors/?q=ai:iqbal-吉拉尼·巴特。 摘要:在本文中,我们提出了分层随机抽样中的一种新的双比与乘积型指数估计量。得到了该估计量在一级近似下的偏差和均方误差。在分层随机抽样、组合比率和乘积估计、对偶比率和组合比率估计以及乘积估计中,将该估计与无偏估计进行了比较。我们的结果表明,相对效率有了很大提高。此外,实证研究也支持上述结果。 改进的秩集抽样辅助变量总体均值估计 https://zbmath.org/1528.62007年 2024-03-13T18:33:02.981707Z “辛格,拉杰什” https://zbmath.org/authors/?q=ai:singh.rajesh|辛格·拉杰什·库马尔.1 “阿纳米卡·库马里” https://zbmath.org/authors/?q=ai:kumari.anamika 小结:本文提出了在秩集抽样中使用辅助变量的人口平均数的一些改进估计。我们导出了偏差和均方误差的表达式,并证明了在最佳条件下所提出的估计比本文采用的其他估计更有效。为了验证所提出的估计量的有效性,我们考虑了两个总体的实证研究和模拟研究支持了理论结果。 一类利用辅助信息估计分层抽样总体均值的比率估计 https://zbmath.org/1528.62008 2024-03-13T18:33:02.981707Z “纳米塔·斯利瓦斯塔瓦” https://zbmath.org/authors/?q=ai:srivastava.namita “Bhadauriya,阿努帕玛” https://zbmath.org/authors/?q=ai:bhadauriya.anupama 摘要:本文提出了一类利用辅助信息估计分层抽样总体均值的比率估计量。本工作中的拟议估计器基于Yadav和Baghel估计器[\textit{S.K.Yadav}和\textit}S.Baghel},Rev.Invest.Oper.42,No.2,279--293(2021;Zbl 1483.62038)]。推导了这类估计量的均方误差表达式,并与竞争估计量进行了性能比较。文中还对效率比较进行了数值说明。 小面积估算的平滑和基准测试 https://zbmath.org/1528.62009 2024-03-13T18:33:02.981707Z “斯泰尔斯,丽贝卡·C。” https://zbmath.org/authors/?q=ai:steorts.rebecca-c(c) “蒂莫·施密德” https://zbmath.org/authors/?q=ai:schmid.timo “Tzavidis,Nikos” https://zbmath.org/authors/?q=ai:tzavidis.nikos 小结:小面积估算涉及估算与交叉分类定义的地理区域相关的人口参数的方法,交叉分类也可能包括非地理维度。在本文中,我们开发了小面积问题的约束估计方法:那些要求区域间相似性平滑的方法,例如地理邻近性或通过协变量进行聚类,以及基准约束,要求加权估计方法在不同聚集级别上一致。我们从理论上发展了约束估计决策的方法,并讨论了它们的几何解释。约束估计量是可处理优化问题的解,具有封闭解。通过bootstrapping计算约束估计量的均方误差。我们的方法假设贝叶斯估计存在,并且适用于任何提出的模型。此外,我们在某些分布假设下给出了我们的技术的特殊情况。我们使用柏林租金的网络抓取数据对提议的方法进行了说明,这些数据汇总在各个地区,以确保隐私。{{\copyright}2020作者。国际统计评论{\版权}2020国际统计研究所} 利用非敏感辅助变量和属性的敏感变量总体均值估计量的广义双抽样族 https://zbmath.org/1528.62010年 2024-03-13T18:33:02.981707Z “亚达夫,苏巴哈斯·库马尔” https://zbmath.org/authors/?q=ai:yadav.subhash-库马尔 “巴里,塔鲁什里” https://zbmath.org/authors/?q=ai:bari.tarushree “Vishwakarma,Gajendra K.” https://zbmath.org/authors/?q=ai:vishwakarma.gajendra-库马尔 摘要:我们使用两阶段抽样程序,利用从非敏感辅助变量和属性收集的信息,提出了一种用于敏感研究变量总体平均数的增强型双抽样广义型估计量。还讨论了建议估计族的一些特殊情况。推导了广义估计量的偏差和均方误差的表达式,并与竞争估计量进行了理论比较。理论结果得到了来自真实数据的数字证据的支持。此外,还进行了模拟分析,以比较所提出的静电消除器系列和竞争产品系列的效率。两个数据集都表明,所提出的广义估计类优于当前使用的所有其他估计类。 具有两步单调样本的MCAR似然比检验的Bartlett校正 https://zbmath.org/1528.62029 2024-03-13T18:33:02.981707Z “树藤,Nobumichi” https://zbmath.org/authors/?q=ai:shutoh.nobumichi “西山高弘” https://zbmath.org/authors/?q=ai:nishiyama.takahiro “孝道,Masashi” https://zbmath.org/authors/?q=ai:hyodo.masashi 摘要:假设从多元正态总体中提取两步单调缺失数据,本文推导了完全随机缺失似然比检验(MCAR)的Bartlett型校正,它在不完全数据集的统计分析中起着重要作用。蒙特卡罗模拟证实了我们方法的优点。我们的校正大大提高了MCAR的textit{R.J.A.Little}[J.Am.Stat.Assoc.83,No.404,1198--1202(1988;\url{doi:10.1080/01621459.1988.10478722})]测试中I型错误的准确性,即使在中等样本量下也表现良好。{{\copyright}2017作者。Statistica Neerlandica{\ copyright}2017 VVS。} 随机抽样高维模型表示高斯过程回归(RS-HDMR-GPR),用于用机器学习的低维项表示多维函数,从而可以用一般方法进行洞察 https://zbmath.org/1528.65012 2024-03-13T18:33:02.981707Z “伦,欧文” https://zbmath.org/authors/?q=ai:ren.owen “布萨迪,穆罕默德·阿里” https://zbmath.org/authors/?q=ai:boussaidi.mohamed-阿里 “德米特里·沃伊特谢霍夫斯基” https://zbmath.org/authors/?q=ai:voytsekhovsky.dmitry “伊哈拉,马纳布” https://zbmath.org/authors/?q=ai:ihara.manabu “Manzhos,Sergei” https://zbmath.org/authors/?q=ai:manzhos.sergei 摘要:我们提出了一种RS-HDMR-GPR(随机抽样高维模型表示高斯过程回归)方法的实现。该方法使用低维项构建多元函数的表示,要么作为耦合阶的扩展,要么仅使用给定维数的项。这尤其有助于从稀疏数据中恢复功能依赖性。该方法还允许插补变量的缺失值,并对有用的HDMR术语数量进行大幅删减。它还可以用于估计不同输入变量组合的相对重要性,从而为通用机器学习方法添加了洞察力元素,可以被视为扩展了自动相关性确定方法。该方法和相关Python软件工具的功能在涉及合成分析函数、水分子的势能面、材料(结晶镁、铝和硅)的动能密度以及金融市场数据的测试案例中进行了演示。 从首选框架(S_V)中看到的K-essential流。具有朗道超流结构的标量场理论 https://zbmath.org/1528.83001 2024-03-13T18:33:02.981707Z “罗德里戈·弗朗西斯科·多斯·桑托斯” https://zbmath.org/authors/?q=ai:dos-圣罗德里戈-弗朗西斯科 “阿尔梅达,路易斯·古斯塔沃” https://zbmath.org/authors/?q=ai:de-阿尔梅迪亚·路易斯·古斯塔沃 “少年德法里亚,安东尼奥·卡洛斯·阿马罗” https://zbmath.org/authors/?q=ai:de-法里亚·安东尼奥·卡洛斯·阿马罗·朱恩 小结:我们研究了洛伦兹变换不变性的变形假设,洛伦兹转换不变性是通过引入相对于首选帧的普遍最小速度而产生的。我们这项工作的目标是将这一假设应用于超流体,并研究其与具有超流体性质的流体的最小速度相关的后果。在以前的工作中,我们将最小速度与宇宙常数,甚至与宇宙膨胀联系起来。很快,我们就可以生成一种假想的超流体,能够用具有暗能量特性的宇宙流体的特性进行建模。这个宇宙超流体的第一激发态将是一个首选的框架,从中可以观察到所有其他激发态,然后我们将有一个与临界朗道速度相关联的首选框架(S_V),这意味着宇宙最小速度与临界朗道速一致,首选框架观察到的物体是超流体的激发态。最小速度和朗道临界速度的概念之间的这种巧合使得朗道的临界速度成为一种极限速度,改变了通常的狭义相对论因果结构。在这个优选的框架中阐述这些现象的优点是为与因果结构相关的天体物理和宇宙学现象提供了一个简单的解释,因果结构是从这个结构中产生的,与Gordon几何和声速子相关的因果结构非常相似。我们建立了一个变形的相对论拉格朗日函数,证明了它与一个(k)本质拉格朗基函数的关系,并计算了与该拉格朗夫函数相关的量。我们还研究了无旋流体,并验证了与最小速度结构相关联的焓的作用。 色散Friedmann宇宙与同步 https://zbmath.org/1528.83006 2024-03-13T18:33:02.981707Z “Cotsakis,Spiros” https://zbmath.org/authors/?q=ai:cotsakis.spiros 小结:我们介绍了对标准完美流体Friedmann宇宙学色散方面的考虑,并研究了当流体参数变化和零特征值出现在Friedman方程线性部分时宇宙学解的新定性行为。我们发现,由于它们的简并性不足,Milne解、flat解、Einstein-static解和de Sitter解不能正确分叉。然而,标准Friedmann方程的普适展开中包含的弥散版本的Milne和平坦宇宙具有标准对应方程所不具备的新的长期特性。我们将这些结果应用于视界问题,并表明与双曲型解不同,弥散Milne解和平坦解在未来完全同步,从而为同质性、各向同性和因果连通性难题提供了解决方案。 梯形分子的零测地线 https://zbmath.org/1528.83036 2024-03-13T18:33:02.981707Z “巴塔查里亚,阿尼什” https://zbmath.org/authors/?q=ai:bhattacharya.anish “阿比舍克·马图尔” https://zbmath.org/authors/?q=ai:mathur.abhishek “苏里亚,苏马蒂” https://zbmath.org/authors/?q=ai:surya.sumati 小结:我们提出了一种离散的零测地线模拟方法,该方法在因果集合中近似为\(mathbb{M}^2),遵循克朗海默和彭罗斯的抽象因果空间的“网格”和“梁”的精神。因果集类似物是“阶梯分子”,其梯级是松散对应于\textit{C.Barton}等人的视界双原子的元素对[Phys.Rev.D(3)100,No.12,Article ID 126008,17 p.(2019;\url{doi:10.1103/PhysRevD.100.126008})]。在(mathbb{M}^2)中,一个梯形分子捕获一条空测地线带,对应于加厚或模糊的地平线。链接元素对之间的阶梯的存在反过来提供了对因果集的激素关系的概括。通过对近似于(mathbb{M}^2)区域的因果集的模拟表明,梯形分子在因果集中相当稠密,并提供了一个光锥状网格。此外,类似于(mathbb{M{^2)中与水平有关的事件之间零测地线的唯一性,在这样的因果集合中,任何两个连接对之间都有一个独特的梯形分子,这两个连接对通过广义水平关系相关联。 广义相对论中的精确平行波 https://zbmath.org/1528.83156 2024-03-13T18:33:02.981707Z “罗氏,西安” https://zbmath.org/authors/?q=ai:roche.cian “阿扎米,阿米尔·巴巴克” https://zbmath.org/authors/?q=ai:aazami.amir-巴巴克语 “卡拉·塞德鲍姆” https://zbmath.org/authors/?q=ai:cederbaum.carla 小结:我们回顾了类波时空研究中的基本定义和主要结果,即其度量模型无质量辐射以光速运动的时空,特别关注那些具有平行射线的几何体。特别是,我们激发并连接了它们的各种定义,概述了它们的坐标描述,并用现代读者更容易理解的语言介绍了它们研究中的一些经典结果,包括“空坐标”的存在和彭罗斯极限的构造。我们还对pp波因果关系的最新研究进行了全面总结,并描述了解决该领域一个悬而未决的问题——埃勒斯-昆特猜想的进展。