Ranking error models, cost and optimal set size in ranked set sampling
- Global styles
- Apa
- Bibtex
- Chicago Fullnote
- Help
Abstract
Sıralı Küme Örneklemesi (SKÖ) son yıllarda yaygın olarak kullanılan bir örnekleme yöntemidir. SKÖ örnekleme birimlerinin ölçümünün zor veya maliyetli olduğu, fakat bu değişkene ait birimleri sıralamanın daha kolay olduğu durumda kitle parametrelerini daha etkin bir şekilde tahmin etmek amacıyla Basit Rastgele Örnekleme'ye (BRÖ) alternatif olarak geliştirilmiş bir örnekleme yöntemidir. Bu yöntemi özellikle tıp, tarım, ormancılık ve ekoloji gibi çalışma alanlarında kullanışlı kılan çeşitli faktörler vardır. Bu faktörlerin en önemlileri küme büyüklüğü ve örnekleme, ölçüm ve sıralama gibi çeşitli işlemlerin göreceli maliyetidir. Kümedeki birimler ilgilenilen değişken ile arasında yüksek korelasyon bulunan bir yardımcı değişkene ya da araştırmacının görsel yargısına dayanarak sıralanır. Bu sıralama yöntemleri sıralama hata modelleri olarak tanımlanır. Bu tezde SKÖ literatüründe yaygın olarak kullanılan maliyet ve sıralama hata modelleri incelenmiştir. Ayrıca, sonsuz kitlede sıralama hata modellerinin, farklı dağılım, küme boyutu ve döngü sayıları için, SKÖ ve onun bazı modifiye edilmiş yöntemlerine ait ortalama tahmin edicilerine etkisinin belirlenmesi amaçlanmıştır. Ayrıca, sonsuz kitle için sıralama hata modelleri ve N-KPST maliyet modeli göz önünde bulundurularak ortalama kestircisinin hata kareler ortalaması bakımından SKÖ'nün BRÖ'ye göre maliyet etkin olup olmadığını araştırmak, eğer etkin ise belirlenen maliyet koşulları altında SKÖ için en uygun küme boyutunu belirlemek amaçlanmıştır. Bu amaçlar doğrultusunda Monte Carlo benzetim çalışmaları yapılmıştır. Ayrıca, bu tez gerçek hayat verisiyle desteklenmiştir. Ranked Set Sampling (RSS) is a sampling method commonly used in recent years. RSS is developed as an alternative to Simple Random Sampling (SRS) in order to estimate population parameters more efficiently where the measurement of sampling units is difficult or costly but the units are easier to rank. There are several factors that make this method useful especially for studies in medicine, agriculture, forestry and ecology. The most important of these factors are the set size and the relative costs of some operations such as sampling, measurement and ranking. Ranking of the units in the set is made on the basis of the visual judgment of the researcher or a concomitant variable which has a strong correlation with the variable of interest. These ranking methods are defined as ranking error models. In this thesis, the widely used cost and ranking error models in RSS literature are investigated. Also, it is aimed to explore the effect of ranking error models on the mean estimator based on RSS and some of its modified methods for different distribution, set and cycle size in infinite population. Besides, it is aimed to examine whether RSS is cost effiective with respect to SRS in terms of mean squared error of the mean estimator considering ranking error models and the N-KPST cost model in infinite population and if so, to determine the optimal set size for RSS. Monte Carlo simulation studies are conducted for these purposes. Additionally, the study is supported by real life data.
Collections