راهبردهای وزنی جدید برای نمونه گیری فضایی همبسته پواسون

فرخی نیا, هادی; چینی پرداز, رحیم; پرهام, غلامعلی

doi:10.22055/jamm.2022.41081.2049

راهبردهای وزنی جدید برای نمونه گیری فضایی همبسته پواسون

نوع مقاله : اصیل

نویسندگان

گروه آمار، دانشکده علوم ریاضی و کامپیوتر، دانشگاه شهید چمران اهواز

10.22055/jamm.2022.41081.2049

چکیده

در نمونه گیری پواسون هر واحد مستقل از دیگر واحدها با احتمال شمول معین انتخاب میشود و اندازه ی نمونه

( n(s متغیری تصادفی با نوسان زیاد است. همچنین اگر بین واحدهای جامعه همبستگی یا روندی وجود داشته باشد،

کارایی برآورد پارامتر جامعه کاهش مییابد. نمونهگیری همبسته ی پواسون (CPS)و نمونه گیری فضایی همبسته ی

پواسون یا (SCPS) که تعدیلی از نمونه گیری همبسته ی پواسون است، روش های جایگزین معرفی شده برای

نمونه گیری پواسون هستند. دراین روش ها با استفاده از راهبردهای وزنی، تغییرات اندازه ی نمونه کاهش می یابد و نمونه

حاصل پراکندگی بیشتری روی کل جامعه دارد . هدف معرفی راهبردهای وزنی جدیدی است، که بوسیله شبیه سازی نشان خواهیم داد، نسبت به راهبردهای پیشین، کارایی برآورد پارامتر جامعه افزایش و تغییرات اندازه ی نمونه را کاهش می دهند.

کلیدواژه‌ها

موضوعات

نمونه گیری

عنوان مقاله [English]

New weighting strategies for spatially correlated Poisson sampling

نویسندگان [English]

Hadi Farokhinia
Rahim Chinipardaz
Gholamali Parham

Department of Statistics, Faculty of Mathematics and Computer Science, Shahid Chamran University of Ahvaz, Ahvaz, Iran.

چکیده [English]

In Poisson sampling, each unit is selected independently of the other units with a certain inclusion probability, and the sample size n(s) is a random variable with large variation. Also, if there exists a trend between units of the population, it causes bias in the estimated population parameter. So Poisson-correlated sampling (CPS) and Poisson-correlated spatial sampling (SCPS) were introduced as alternative methods to Poisson sampling that reduces changes in the sample size and bias in the estimated population parameter by weighting strategies. In this paper, new strategies for choosing weights are introduced and it is shown by simulation that the new weighting strategies increase the efficiency of the estimated parameter compared to the earlier weighting strategies.

کلیدواژه‌ها [English]

Correlated Poisson sampling
Horvitz-Thompson estimator
Poisson sampling
Spatial sampling

مراجع

[1] Altieri, L., Cocchi, D., Spatial Sampling for Non-compact Patterns, International Statistical Review, (2021), 89, 532-549.
[2] Bondesson, L., Thorburn, D., A list sequential sampling method suitable for realtime sampling, Scand. J. Statist., (2008), 35, 466–483.
[3] Grafstrom, A., Matei,A, Spatially Balanced Sampling of Continuous Populations, (2018), Scand. J. Statist., (2018), 45, 792 –805.
[4] Grafstrom, A, Spatially correlated Poisson sampling, J. Statist. Plann. Inference, (2012), 142, 139–147.
[5] Grafstrom, A., On a generalization of Poisson sampling, J. Statist. Plann. Inference, (2010), 140, 982–991.
[6] Hajek, J. (1964). Asymptotic theory of rejective sampling with varying probabilities from a finite population. Annals of Mathematical Statistics, 35, 1491–1523.
[7] Horvitz, D.G. and Thompson, D.J. (1952). A generalization of sampling without replacement from a finite universe. Journal of the American Statistical Association, 47, 663–685.
[8] Meister, K. (2004). On methods for real time sampling and distributions in sampling. Ph.D. thesis, Department of Mathematical Statistics, Umea University, Umea.
[9] Ogus, J. L. and Clark, D.F. The annual survey of manufactures: A report on methodology, (1971). Technical paper no. 24. Bureau of the Census, Washington D.C.

[10] Sarndal, C.E., Swensson, B. and Wretman, J.H., Model Assisted Survey Sampling. (1992), New York: Spinger-Verlag.