Uyarlanabilir küme örneklemesinde tahmin modelleri

Abstract

Uyarlanabilir küme örneklemesi, ender görülen olayların incelenmesinde kullanılan bir yöntemdir. Klasik küme örneklemesi yöntemi ile az rastlanan olaylara ilişkin örnek seçimini yapmak, tatmin edici sonuçların elde edilmesine engel teşkil edebilir. Bölünen kümelerde, çoğu kez incelenen özelliğe sahip, yeteri miktarda örnek elde edilemez, bu durumda kitlenin özellikleri hakkında bilgi sahibi olmak pek de olanaklı değildir. Bu türden örnek yetersizliklerini ortadan kaldırmak maksadıyla Thompson tarafından 1990 yılında geliştirilen uyarlanabilir küme örneklemesi, önemli bir yöntemdir. Bu çalışmada Thompson tarafından tasarlanan 5 birimlik bir kitle kullanılarak, tahmin edicilerin Basit Rastgele Örnekleme (BRÖ) yöntemine olan üstünlükleri gösterilmektedir.

Adaptive cluster sampling is a method which is used in the investigation of rare events. It is not possible that to take satisfactory results from to select a sample at random by using classical cluster sampling. In dividing clusters, often it can’t be obtained sufficiently amount of sample having the characteristic to be investigated. Therefore, it will not be possible to have information about the characteristics of population. In order to eliminate deficiencies of this type of sample, the adaptive cluster sampling method was developed by Thompson in 1990. In this study, it has been shown that superiority of methods which are defined in paper to simple random sampling method by using an artificial population, contain five units, designed by Thompson.