长度偏倚抽样下有限总体均值的贝叶斯推断
应用统计
2019-02-13 v1
摘要
我们提出一种稳健的贝叶斯方法，用于在从未知大小有限总体中按与长度成比例的概率抽取样本时分析林业数据。具体而言，我们利用贝叶斯预测推断来估计以山桃花心木再生为主的石灰岩采石场中灌木宽度的有限总体均值。灌木宽度数据通过样线抽样收集，并假设灌木被抽中的概率与其宽度成正比；此即长度偏倚抽样。此类抽样中总体大小同样未知，这带来了额外挑战。所关注量为平均有限总体灌木宽度，且可估计采石场灌木总面积。我们的方法借助三参数广义伽马分布，从而使流程对可能的模型失效具有稳健性。利用条件预测坐标，我们表明容纳长度偏倚的模型优于未容纳该偏倚的模型。在贝叶斯计算中，我们通过随机采样器克服了与Gibbs抽样相关的技术问题。
引用
@article{arxiv.1902.04242,
title = {Bayesian Inference of a Finite Population Mean Under Length-Biased Sampling},
author = {Zhiqing Xu and Balgobin Nandram and Binod Manandhar},
journal= {arXiv preprint arXiv:1902.04242},
year = {2019}
}