📊 统计学

Generalized Sine-Type Estimators for Population Median: Simulation-Driven Performance Analysis

本研究提出并评估了一类用于无放回简单随机抽样下有限总体中位数的、新型的正弦型及指数正弦型广义估计量家族，并通过理论分析、模拟实验及真实数据证明，这些方法通过利用辅助信息来降低均方误差，从而显著优于传统估计量。

原作者： Rajesh Singh, Shobh Nath Tiwari

发布于 2026-10-16

📖 1 分钟阅读☕ 轻松阅读

原作者： Rajesh Singh, Shobh Nath Tiwari

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

在统计学领域，研究人员经常面临一种挑战，类似于试图通过观察少数几个人来猜测整个人群的平均身高。有时，你看到的这些人并不能完美地反映整个群体；他们可能更高、更矮，或者呈现出某种特定的偏斜。当处理像家庭收入或生产数量这样不均匀的数据时，这种情况尤为明显，因为少数极端值可能会扭曲整体图景。在这种情况下，“中位数”（即一半数据高于此值、一半数据低于此值的中间值）往往比平均数更能讲述真实的故事。为了获得更清晰的图景，统计学家经常使用“辅助信息”，这意味着引入第二种已知的相关数据。例如，如果你想估计森林中树木的数量，你可能同时也知道土地的总面积。通过将已知的面积与样本计数相结合，你可以对树木总数做出更精准的推测。其目标始终是减少推测中的误差，使最终的估计更加可靠和精确。

印度念慈学院（Banaras Hindu University）的一个研究小组开发了一种利用这种额外信息来更准确地寻找中位数的新方法。他们创建了一系列数学工具，将两个熟悉的概念融合在一起：正弦波的平滑、重复曲线，以及指数函数的快速增长或衰减。虽然这些术语听起来很复杂，但研究人员只是利用它们构建了一个灵活的公式，以适应现实世界数据中混乱的非线性模式。不同于依赖直线或简单比例的旧方法，这些新工具可以弯曲和扭转以适应数据的特定形状，就像一把灵活的尺子顺应曲面，而不是强行将直线套用在曲面上。研究人员使用真实世界的数据集和计算机模拟，将这些新公式与传统方法进行了对比测试。他们发现，与标准的中位数以及其他尝试利用额外信息的现有技术相比，他们的新方法始终能产生误差更小的预测结果。

为了验证其效果，团队首先研究了两个现实世界的场景。在一种情况下，他们检查了一个特定地区住户数量与土地总面积的数据。在另一种情况下，他们观察了教育机构的教职员工人数与学生入学人数。当他们将这种基于正弦的新公式应用于这些数字时，结果令人瞩目。对于住户数据，与标准方法相比，新方法将预测误差降低了约 28%。对于学校数据，改进更为显著，新方法实现了近 372% 的相对效率，这对应着约 73% 的误差降低。这意味着，如果统计学家使用旧方法，他们的预测可能会有较大的偏差，而新方法则会更接近真实的中间值。研究人员还使用不同类型的数据分布进行了数千次计算机模拟，包括模仿自然增长模式的数据以及其他遵循钟形曲线的数据。在每一种场景下，无论数据是轻微关联还是强关联，这种新型的正弦型估计量都优于竞争对手。

该研究还探讨了为什么一些旧方法会失败而新方法却能成功。研究人员发现，当两个变量之间的关系为正相关（即它们趋向于同步上升或下降）时，传统的基于比例的方法表现尚可，但仍逊色于新方法。然而，当数据更加复杂或关系为负相关时，旧方法往往表现不佳，有时甚至比仅根据样本本身进行猜测的准确度还要低。通过引入正弦函数和指数函数的灵活性，新方法能够轻松应对这些困难局面。它通过调整自身的形状来解释数据的特定特征，确保最终的估计保持稳定和准确。研究人员证实，当已知辅助变量的信息准确，且样本与总体之间的差异相对较小时，该方法的效果最佳，而这正是此类统计工作的标准条件。

最终，这项研究为任何试图理解一组庞大数字之“中间地带”的人提供了一个实用的升级方案。通过超越僵化的直线假设，转而拥抱可以弯曲和适应的公式，新的估计器提供了一种更可靠的方法来寻找中位数。研究结果表明，在从经济学到公共卫生等领域（数据往往是偏斜且不均匀的），使用这些先进的正弦类工具可以实现显著更好的决策。该研究并不声称解决了统计学中的所有问题，但它确实证明了，通过改进如何将已知信息与新样本相结合，我们可以达到以前无法企及的精确度。对于好奇的观察者来说，其中的启示很明确：有时，寻找中心点最好的方法是停止用直线思考，开始用波浪思考。

技术摘要：总体中位数的广义正弦型估计量

问题陈述
在抽样调查中，尽管已有大量研究致力于利用辅助信息来改进总体均值、方差和比例的估计，但针对总体中位数（Population Median）的估计研究相对较少。许多现实世界的变量（如收入、产量、贫困指数）呈现出偏态且非正态的分布特征，在这种情况下，中位数比均值更能作为位置参数的稳健指标。尽管以往的研究已经引入了用于中位数的比例、乘积和指数估计量，但开发针对该特定参数的**正弦型估计量（Sine-type estimators）**仍处于探索阶段。现有的线性或纯指数形式往往无法充分模拟实际数据中复杂的非线性、振荡或周期性行为。本研究通过引入已知的正弦型及指数-正弦复合型框架，旨在解决利用已知辅助信息估计有限总体中位数的空白。

研究方法
本研究在**不放回简单随机抽样（SRSWOR）**的框架下开展。作者利用辅助变量的已知总体中位数（ $M_x$ ）来改进研究变量的总体中位数（ $M_y$ ）的估计。

理论推导：
- 作者定义了相对误差项（ $\eta_y, \eta_x$ ），利用一阶近似法推导出所提估计量的偏差（Bias）和均方误差（MSE）。
- 首先，作者回顾并改进了传统的估计量，包括常规样本中位数、正弦型比例与乘积估计量，以及受 Bahl 和 Tuteja 启发而设计的指数-正弦复合型估计量。
- 本文提出了一个广义指数-正弦复合型估计量族（ $\hat{M}_y^*$ ）。该估计量结合了研究变量的样本中位数、辅助变量的样本中位数以及一个用于最小化 MSE 的标量参数 ( $\beta$ )。其公式整合了正弦函数和指数项，以捕捉非线性特征：
  $\hat{M}_y^* = \left[ \hat{M}_y \left\{ 1 + \sin\left(k_1 \frac{M_x - \hat{M}_x}{M_x}\right) \right\} + \beta(M_x - \hat{M}_x)\left(\frac{M_x}{\hat{M}_x}\right)^{k_2} \right] \exp\left(\frac{M_x - \hat{M}_x}{M_x + \hat{M}_x}\right) \left\{ 1 + \sin\left(k_3 \frac{\hat{M}_x - M_x}{M_x}\right) \right\}$
  其中 $k_1, k_2, k_3$ 为取值于 $\{0, -1, 1\}$ 的标量参数。
优化：
- 推导出了标量 $\beta$ 的最优值，以使所提估计量的 MSE 达到最小。
- 通过为 $k_1, k_2$ 和 $k_3$ 分配不同的参数组合，生成了该提估计量家族的具体成员。

核心贡献

新颖的估计量类别： 本文引入了一类专门针对总体中位数的正弦型及指数-正弦复合型广义估计量，在这一领域，此类混合函数形式此前应用有限。
理论框架： 为这些新估计量提供了严谨的一阶近似偏差和 MSE 推导，确立了这些估计量优于现有方法的理论条件。
全面评估： 本研究通过真实数据和广泛的模拟实验，将所提估计量与常规样本中位数、正弦型比例/乘积估计量以及指数-正弦复合型估计量进行了对比评估。

结果
所提估计量（ $\hat{M}_y^*$ ）的性能通过以下两种主要途径进行了验证：

实证研究（真实数据）：
- 分析了两个真实数据集：一个关于住户数量与面积的数据集（Murthy [21]），以及另一个关于教学人员与学生人数的数据集（Koyuncu 和 Kadilar [22]）。
- 研究发现： 与所有竞争估计量相比，所提估计量始终表现出最低的 MSE 和最高的百分比相对效率（PRE）。
  - 对于总体 1，所提估计量实现了 128.045 的 PRE（约是样本中位数的 1.28 倍）。
  - 对于总体 2，PRE 达到了 371.781（约是样本中位数的 3.72 倍）。
- 值得注意的是，在这些特定数据集中，某些现有的正弦型乘积估计量的表现甚至差于简单的样本中位数，这凸显了所提混合结构的必要性。
模拟研究：
- 使用二元正态分布和 Gamma 分布进行模拟，设定总体规模 $N=1000$ 。
- 研究改变了样本量（ $n = 80, 150, 250$ ）和相关系数（ $\rho_c = 0.3, 0.5, 0.7, 0.9$ ）。
- 研究发现： 在所有场景下，所提估计量（ $\hat{M}_y^*$ $\hat{M}_{y}^{*}$ ）均一致优于样本中位数和其他正弦型估计量。
  - 在相关系数 $\rho_c = 0.9$ 的 Gamma 分布模拟中，所提估计量的 PRE 为 514.06，显著优于比例估计量（PRE 509.68）和指数比例估计量（PRE 263.55）。
  - 随着研究变量与辅助变量之间相关性的增强，所提估计量的效率也随之提高。

意义与主张
作者主张，所提出的广义正弦型估计量是当辅助信息可用时，估计有限总体中位数的优选替代方案。研究指出：

正弦函数与指数函数的混合使用，有效解决了线性或纯指数估计量在建模非线性及周期性数据模式方面的局限性。
所提估计量具有稳健性，在多种数据分布（正态分布和 Gamma 分布）及不同相关强度下均展现出更高的效率和实际应用价值。
理论推导与实证证据共同证实，该方法比传统估计量能更有效地降低均方误差（MSE），使其成为提高简单随机抽样中参数估计准确性的有力工具。

论文总结道，尽管本研究假设辅助变量的总体中位数已知，并依赖于一阶近似，但结果有力地支持了在实际应用中采用该估计量。未来的工作建议将此类方法扩展到其他参数（均值、累积分布函数、方差）及其他抽样设计（分层抽样、双重抽样）。

类似论文