به کارگیری روش پساطبقه‌بندی قضاوتی در نمونه‌گیری خوشه‌ای دومرحله‌ای

روش پساطبقه‌بندی قضاوتی روشی برای طبقه‌بندی مشاهدات با استفاده از یک متغیر کلیدی است به‌طوری که طبقه‌بندی بعد از انتخاب نمونه انجام می‌شود. در این مقاله این روش را در نمونه‌گیری خوشه‌ای دومرحله‌ای به‌کار خواهیم برد. به‌عبارت دیگر در نمونه‌گیری خوشه‌ای دومرحله‌ای در مرحله‌ی دوم به‌جای نمونه‌گیری تصادفی ساده بدون جای‌گذاری از روش پساطبقه‌بندی قضاوتی و روش پساطبقه‌بندی قضاوتی تعمیم یافته استفاده کرده و براوردگرهای جدیدی را برای میانگین جامعه ارائه خواهیم کرد. در نهایت با استفاده از شبیه‌سازی مونت‌کارلو با مجموعه داده‌های واقعی و داده‌های تولیدی از توزیع‌های متقارن و نامتقارن، براوردگرهای پیشنهادی را با براوردگر میانگین نمونه‌گیری خوشه‌ای دو مرحله‌ای ساده مورد مقایسه قرار خواهیم داد. نتایج شبیه‌سازی نشان می‌دهد که، در بیش‌تر حالت‌ها، براوردگرهای پیشنهادی عمل‌کرد بهتری نسبت به براوردگر میانگین نمونه‌گیری دو مرحله‌ای ساده دارند.

Using Judgment Post Stratification in Two Stage Cluster Sampling

The judgment post stratification is a method of stratification of observation by using a key variable, such that stratification will be done after selecting the sample. In this paper, this method will use in two stage cluster sampling. In other words, instead of simple random sampling without replacement, we use the judgment post stratification method and the generalized judgment post stratification method in second stage of two stage cluster sampling, and obtain new estimators of the population mean. Finally, the proposed estimators are compared to usual two stage cluster simple random sampling estimator of the population mean by Monte Carlo simulation studies on a set of real data and generated data from symmetric and asymmetric distributions. The results of simulation study show that, in most cases, the proposed estimators have better performance than the mean of two stage cluster simple random sample../files/site1/files/72/17Abstract.pdf