عنوان پایان‌نامه
طرح های نمونه گیری جدید برای نمونه گیری سیستماتیک
- رشته تحصیلی
- آمار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس علوم شماره ثبت: 5444;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 64463
- تاریخ دفاع
- ۲۹ شهریور ۱۳۹۳
- دانشجو
- شهین محمدفرج
- استاد راهنما
- سیدمرتضی امینی
- چکیده
- پایه و اساس شیوه‌های استنباط آماری بر مبنای انتخاب نمونه است. نتایج استنباطی حاصل از نمونه تصادفی باید قابل تعمیم به جامعه باشد. علاوه بر خصوصیات برآوردگرها و شیوه‌های استنباط، شیوه نمونه‌گیری نیز در میزان صحت استنباط آماری نقش مهمی ایفا می‌کند. شیوه‌های نمونه‌گیری نسبت به مسائل مورد بررسی، متفاوت و تابع شرایط تحقیق است. این شیوه‌ها به دو دسته نمونه‌گیری‌های غیر احتمالاتی و نمونه‌گیری‌های احتمالاتی تقسیم می‌شوند. یکی از شیوه‌های نمونه‌گیری احتمالاتی، نمونه‌گیری سیستماتیک است. این شیوه نمونه‌گیری را می‌توان به صورت مستقل و یا توأم با نمونه‌گیری‌های احتمالی دیگر انجام داد. نمونه‌گیری سیستماتیک در حالت‌های که حجم جامعه به حجم نمونه بخش پذیر باشد یا نباشد طرح‌های متفاوت ایجاد می‌کند، مانند نمونه‌گیری سیستماتیک دوری CSS، نمونه‌گیری سیستماتیک متعادل دوری BCSS و نمونه‌گیری سیستماتیک قطری DSS. در جوامع دارای روند خطی شیوه‌های اصلاح شده‌ای مانند اصلاح شده سینگ و همکاران 1968) MSS)، روش سیستماتیک متعادل ستی 1965) BSS) و روشهای دیگری معرفی شده‌اند. در این پایان نامه به معرفی طرح‌های نمونه‌گیری جدید برای نمونه‌گیری سیستماتیک می‌پردازیم. این طرح‌ها شامل طرح اصلاح شده خان و همکاران (2013) برای اصلاح نمونه‌گیری دوری، طرح‌های سمپث و همکاران (2009) برای جامعه با روند درجه دوم که براساس برآوردگر اصلاح شده ییتس (1948) پایه گذاری شده‌اند. در این پایان نامه برای اولین بار به معرفی و بررسی طرح‌های نمونه‌گیری سیستماتیک و برآوردگرهای اصلاح شده در جامعه با روند درجه سوم و طرح‌های نمونه‌گیری سیستماتیک با شروع تصادفی چندگانه توکی (1950) با نگاهی جدید به آنها در جامعه با روند خطی پرداخت شده است. واژگان کلیدی: نمونه‌گیری سیستماتیک، جوامع دارای روند، برآوردگر اصلاح شده، شروع تصادفی چندگانه.
- Abstract
- The foundation of statistical inference methods based on sampling. Inference results obtained from a random sample should be generalizable to the population. In addition, the properties of estimators and inference methods, sampling method also plays an important role in the accuracy of statistical inference. Sampling methods in relation to matters, are different and followed the conditions. These methods are divided by two categories non-probability sampling and probability sampling. One of the possible methods of probability sampling, is systematic sampling. This sampling method can be used independently or in combination with other probability sampling methods. Systematic sampling where the population size and sample size is divisible or not you can create different designs, such as circular systematic sampling CSS, balanced circular systematic sampling $BCSS$ and diagonal systematic sampling DSS. In populations with linear trend some modified systematic sampling methods including modified systematic sampling proposed by Singh et al.(1968), MSS and balanced systematic sampling of Sethi (1965), BSS are introduced. In this dissertation, we have introduced new sampling designs for systematic sampling including modified circular systematic sampling proposed by Khan et al.(2013), systematic sampling method and Yates (1948) corrected estimator for populations with parabolic trend. For the first time in this dissertation introduction and studying systematic sa-mpling method and corrected estimators for population with cubic trend and systematic sampling plans with multiple random starts proposed by Tukey (1950) with a new look these plans under the populations with linear trend are disbursements. Keywords: Systematic sampling, Populations with trend, Corrected estimator, Multiple random starts.
