[论文解读] Exact Computation of Minimum Sample Size for Estimating Proportion of Finite Population

Xinjia Chen|ArXiv.org|Jul 14, 2007

Survey Sampling and Estimation Techniques参考文献 3被引用 9

一句话总结

本文提出了一种精确且计算高效的算法，用于确定在指定误差范围和置信水平下估计有限总体比例所需的最小样本量。通过证明最小覆盖概率仅出现在总体比例的一个小而有界的子集上——具体为端点和临界分位数——该方法将所需覆盖概率评估次数减少至最多 $ n + 2 $ 次，且与总体大小 $ N $ 无关，从而即使在 $ N $ 很大时也能实现精确计算。

ABSTRACT

In this paper, we develop an exact method for the determination of the minimum sample size for estimating the proportion of a finite population with prescribed margin of error and confidence level. By characterizing the behavior of the coverage probability with respect to the proportion, we show that the computational complexity can be significantly reduced and bounded regardless population size.

研究动机与目标

• 解决在指定精度和置信水平下，精确确定估计有限总体比例所需最小样本量的挑战。
• 降低当 $ N $ 较大时，在 $[L, U]$ 内对所有可能的 $ M $ 值评估覆盖概率的计算负担。
• 识别出一个最小且有界的 $ M $ 值集合，其中包含最坏情况（最小）覆盖概率，从而最小化评估次数。
• 将该方法扩展至绝对误差、相对误差和混合误差标准，以增强其实际适用性。
• 提供一个理论基础坚实的精确算法，保证对所有 $ M \in [L, U] $，覆盖概率均超过 $ 1 - \theta $，且计算复杂度有界。

提出的方法

• 对覆盖概率函数 $ \Pr\left\{ \left| \frac{\mathbf{k}}{n} - \frac{M}{N} \right| < \varepsilon \right\} $ 关于 $ M $ 的理论表征，证明其最小值仅出现在 $ M $ 的一个小型结构化子集上。
• 将临界 $ M $ 值识别为 $ \left\lfloor N\left(\frac{k}{n} - \varepsilon\right) \right\rfloor $ 和 $ \left\lceil N\left(\frac{k}{n} + \varepsilon\right) \right\rceil $（$ k $ 为整数），从而定义出最小覆盖概率的候选集合。
• 利用对称性性质，将分析范围限制在 $ M \leq \lceil N/2 \rceil $，在不失一般性的前提下减少搜索空间。
• 推导候选集合大小的上界：小于 $ 2 + 2n\left(\frac{U - L - 1}{N}\right) $，当 $ L = 0 $、$ U = \lceil N/2 \rceil $ 时简化为最多 $ n + 2 $。
• 通过重新定义误差边界并识别相应的临界 $ M $ 值，将相同框架应用于相对误差和混合误差标准。
• 利用组合恒等式和向下取整/向上取整函数的不等式，严格界定所需评估次数，确保计算可行性。

实验结果

研究问题

• RQ1 对于所有 $ M \in [L, U] $，最小样本量 $ n $ 是多少，才能保证估计比例 $ \frac{\mathbf{k}}{n} $ 以大于 $ 1 - \delta $ 的概率落在真实比例 $ \frac{M}{N} $ 的 $ \varepsilon $ 误差范围内？
• RQ2 是否可以在不损失精确性的前提下，显著减少需要评估覆盖概率的 $ M $ 值数量？
• RQ3 可能产生最小覆盖概率的 $ M $ 值的最大数量是多少？该数量能否独立于 $ N $ 被有界？
• RQ4 该方法如何在保持计算效率的同时扩展至相对误差和混合误差标准？
• RQ5 超几何分布的哪些结构性质决定了覆盖概率最小值在 $ M $ 上的位置？

主要发现

• 在 $ M \in [L, U] $ 上，最小覆盖概率仅在 $ \{L, U\} $ 和由 $ \left\lfloor N\left(\frac{k}{n} \pm \varepsilon\right) \right\rfloor $ 导出的有限组临界值处取得，从而显著缩小了搜索空间。
• 需要评估的 $ M $ 值总数被限制在 $ 2 + 2n\left(\frac{U - L - 1}{N}\right) $ 以内，当 $ L = 0 $ 且 $ U = \lceil N/2 \rceil $ 时，该值与 $ N $ 无关。
• 在对 $ M $ 无先验知识的情况下，所需评估的 $ M $ 值数量最多为 $ n + 2 $，无论总体大小 $ N $ 如何，从而可对极大 $ N $ 实现精确计算。
• 该方法不仅适用于绝对误差，也适用于相对误差和混合误差标准，且对临界 $ M $ 值数量具有类似的有界性。
• 通过涉及向下取整和向上取整函数的不等式，推导出评估次数的理论界，确保界限紧密且可计算。
• 通过仅评估必要的 $ M $ 值，该方法保证了精确性，避免了检查全部 $ U - L + 1 $ 个值的需要，从而实现了计算的可扩展性。