برآورد واریانس برآوردگر کالیبره مجموع جامعه با مجموع جامعه کمکی نامعلوم
Publish place: Journal of Statistical sciences، Vol: 6، Issue: 1
Publish Year: 1391
نوع سند: مقاله ژورنالی
زبان: Persian
View: 197
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_STAT-6-1_003
تاریخ نمایه سازی: 23 شهریور 1401
Abstract:
به کارگیری متغیرهای کمکی برای اصلاح برآوردگرها روشی متداول در آمار و به خصوص بررسی های نمونه ای است. به عنوان مثال می توان به برآوردگرهای نسبتی و رگرسیونی در نمونه گیری اشاره کرد. با فرض معلوم بودن مجموع جامعه کمکی و برقرار بودن یک سری شرایط، برآوردگرهای کالیبره و واریانس آنها را می توان با استفاده از برآوردگرهای رگرسیونی تعمیم یافته به دست آورد. در این مقاله، با فرض نامعلوم بودن مجموع متغیر کمکی در جامعه، برآوردگر کل و واریانس آن در جامعه هدف با روش رگرسیون تعمیم یافته به دست آورده می شود. سپس نشان داده می شود برآوردگر ارائه شده برای مجموع کل جامعه از نظر کارایی بهتر از برآوردگر هورویتز تامپسون است. آنگاه نظریه به دست آمده با شبیه سازی به روش مونت کارلو زنجیر مارکوفی در طرح نمونه گیری طبقه بندی مورد بررسی قرار می گیرد.
Keywords:
Generalized Regression Estimators , Calibration Estimators , Stratified Sampling , MCMC Methods , آماره کمکی , برآوردگر رگرسیونی تعمیم یافته , برآوردگرکالیبره , برآورد واریانس , واریانس مجانبی نمونه گیری طبقه بندی , روش های مونت کارلوی زنجیره مارکوفی
Authors
ابراهیم خدایی
Tehran University, National Organization for Educational Testing, Tehran, Iran.
سید روح اله شجاعی کیاسری
The Central Bank of Islamic Republic of Iran, Tehran, Iran.
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :