张建军，乔松珊

(1.河南农业大学 信息与管理科学学院，郑州 450002；2.中原工学院 信息商务学院，郑州 450007)

参数估计的精度依赖于估计量设计和抽样方法设计。在实际抽样调查中，由于受到实验条件和规模限制，获得的样本观测数据十分有限，为了提高样本代表性， McIntyre最初提出排序集抽样方法[3]。该方法一经提出，便得到深入研究和广泛应用[4-7]。在均值比率估计方面，Samawi基于排序集抽样方法研究了总体均值的比率估计问题，证明了该抽样方法提高了比估计效率[8]。Kadilar利用基于排序集样本对比率估计量进行改进，并证明了改进的比率估计具有更高的估计效率[9]。然而，在实施排序集抽样的过程中，不完美排序必然会对估计结果造成偏差，这将直接影响估计的可靠性。为了解决这一问题，Muttlk在此基础上提出了中位数排序集抽样(简记为MRSS)[10]，该方法能够简化总体分布，在在实际抽样中更方便操作，而且对总体参数的估计效果较好，基于该抽样方法的研究已经有一些结果[11-13]。另外，在估计量设计方面，Prasad在随机抽样下通过适当调整比估计系数，可以进一步提高估计量的精度。鉴于此，文章尝试采用这种改进思想，考虑到抽样方法和估计量设计两个方面，基于中位数排序集样本研究了总体均值比率估计的改进问题，讨论了估计量的偏差和均方误差表达式，分析了比例系数的优化方法，最后，进一步通过实例比较了几种估计方法的均方误差。

1 排序集抽样下的均值比率估计