توضیحات

برآورد میانگین درنمونه گیری مضاعف برای طبقه بندی با استفاده ازاطلاعات کمکی چند متغیره

دانلود پایان نامه و پروژه پایانی با موضوع جدید برآورد میانگین درنمونه گیری مضاعف برای طبقه بندی با استفاده ازاطلاعات کمکی چند متغیره

پس از دیدن متن و فهرست پایان نامه برآورد میانگین درنمونه گیری مضاعف برای طبقه بندی با استفاده ازاطلاعات کمکی چند متغیره میتوانید نسبت به خرید آنلاین و دانلود فایل مورد نظر اقدام فرمایید میتوانید تغییراتی در متن پایان نامه ایجاد نمایید و یا از بعضی از فصل های پایان نامه مثل روش تحقیق پیشینه تحقیق بیان مسئله و یا منابع پایان نامه ریاضیات  استفاده فرمایید با آرزوی موفیقت برای دانشجویان عزیز

نمونه گیری مضاعف (یا نمونه گیری دو فازی) یک طرح نمونه گیری است که با استفاده از اطلاع از متغیر یا متغیرهای کمکی متعدد که در ارتباط با متغیر مورد مطالعه می باشند،

دقت برآوردگرهای میانگین جامعه را افزایش می دهند. در طرح نمونه گیری مضاعف برای
طبقه بندی (DSS) در فاز اول یک نمونه ی اولیه بزرگ از متغیرهای کمکی گرفته شده و

واحدهای نمونه طبقه بندی می شوند سپس در فاز دوم، زیر نمونه ای انتخاب شده و متغیر مورد مطالعه اندازه گیری می شود. در این پایان نامه با استفاده از طرح نمونه گیری DSS، دو کلاس از برآوردگرها ی میانگین جامعه مطرح می شوند. همچنین در بین این کلاس ها،

بهترین برآوردگرها بطور مجانبی و واریانس تقریبی آن ها بدست می آیند، سپس این کلاس از برآوردگرها با کلاس برآوردگرهای مربوط به طرح نمونه گیری مضاعف طبقه بندی نشده (USDS) مورد مقایسه قرار می گیرند. در پایان با استفاده از یک جامعه واقعی نتایج بدست آمده را اثبات می کنیم.

کلمات کلیدی : متغیر مورد مطالعه – متغیر کمکی – اریبی – واریانس –
نمونه گیری مضاعف برای طبقه بندی

 ۱۴۵صفحه فایل ورد (Word) فونت ۱۴ منابع دارد 

پس از پرداخت آنلاین میتوانید فایل کامل این پروژه را دانلود کنید

فهرست جدول ها

فهرست شکل ها 

فهرستنشانههایاختصاری

فصل ۱ برآورد میانگین درنمونه گیری مضاعف برای طبقه بندی با استفاده ازاطلاعات کمکی چند متغیره

مباحث مقدماتی

۱-۱  مقدمه

یکی از توانایی های علم آمار تحلیل موضوعاتی با اطلاعات عددی انبوه می باشد. در واقع در هر بررسی آماری مراحل جمع آوری، پاک سازی، تلخیص و تحلیل داده ها و نتیجه گیری مورد توجه قرار می گیرد. مرحله ی جمع آوری داده هابه عنوان زیر بنای بررسی های آماری دارای اهمیت ویژه ای می باشد، زیرا در صورت وجود نقصی در این مرحله از ارزش و اعتبار کل پژوهش کاسته می شود. یک جامعه متناهی در نظر بگیرید. جمع آوری اطلاعات

عددی از این جامعه با استفاده از دو روش سرشماری و نمونه گیری امکان پذیر است، در صورتی که در جوامع نامتناهی سرشماری امکان پذیر نمی باشد و باید تنها از روش نمونه گیری استفاده کرد. هدف از انواع روش های نمونه گیری، تهیه ی اطلاعاتی از جامعه با مطالعه ی بخشی از آن به نام نمونه است. در واقع نم…………..

در حالت کلی برای نمونه گیری، دو روش نمونه گیری احتمالی و غیراحتمالی معرفی
می گردد. در نمونه گیری احتمالی^[۱] که اولین بار توسط دمینگ^[۲] ]۷[ در سال ۱۹۵۰ مطرح شده است، هر واحد نمونه با احتمالی مشخص از جامعه استخراج می شود. کاربرد گسترده ی این روش امروزه به گونه ای است که این روش جایگزین نمونه گیری غیر احتمالی شده است.همچنین در بسیاری

از نمونه گیری ها، در حین جمع آوری اطلاعات مربوط به متغیر مورد مطالعه و یا قبل از آن، ممکن است اطلاعاتی درباره متغیر یا متغیرهای دیگری که با

متغیر مورد مطالعه همبستگی دارند موجود باشد که به این نوع اطلاعات، اطلاعات کمکی گفته می شود. از اطلاعات کمکی در مرحله ی برآوردیابی و در طرح نمونه گیری می توان استفاده کرد.

راه دست یابی به اطلاعات کمکی مفید از منابع متعدد می باشد و اغلب این اطلاعات در جوامع متناهی باعث افزایش دقت برآوردگرها می شود. الکلین^[۳] ]۱۸[ در سال ۱۹۵۸، رائو^[۴] ]۲۱[ در سال ۱۹۶۷، سینگ^[۵] ]۳۷[ در سال ۱۹۶۷، جان^[۶] ]۱۳[ در سال ۱۹۶۹، سریواستاوا^[۷] ]۴۰[ در سال ۱۹۷۱ و ویشواکارما و همکاران^[۸] ]۴۹[ در سال ۲۰۱۲در مطالعات خود از اطلاعات کمکی به طور گسترده استفاده کرده اند.

در این فصل، در بخش (۱-۲) به بیان تعاریف و مفاهیم پایه ای در نمونه گیری که شامل جامعه متناهی، نمونه، طرح نمونه گیری و… است، پرداخته و سپس در بخش (۱-۳) انواع
طرح های نمونه گیری را تعریف می کنیم.

^{برآورد میانگین درنمونه گیری مضاعف برای طبقه بندی با استفاده ازاطلاعات کمکی چند متغیره}

۱-۲  تعاریف و مفاهیم پایه ای

در مباحث نمونه گیری داشتن تعاریف دقیق و درست از مفاهیمی هم چون جامعه، نمونه، طرح نمونه گیری و… از ضروری می باشد. از این رو در این فصل

به بیان تعاریف پایه ای و برخی نماد ها که در فصل های بعدی رساله مورد استفاده قرار خواهند گرفت، می پردازیم. نماد ها به صورتی در نظر گرفته شده که در اغلب متون نمونه گیری مورد استفاده قرار گرفته است. عمده مطالب این بخش مبتنی بر مراجع کاکران ]۴[ و عمیدی ]۵۲[است.

جامعه ی متناهی ^[۹]: یک جامعه ی متناهی از مجموعه ای مشتمل بر تعداد متناهی عناصر متمایز تشکیل شده است. مقدارN  ، اندازه ی جامعه نامیده می شود. یک جامعه ی متناهی U را به صورت زیر نمایش می دهیم:

طرح نمونه‌گیری^[۱۰] : با در نظر گرفتن یک طرح نمونه‌ای معین می‌توان احتمال انتخاب یک نمونه دلخواه مانند s را بیان نمود. این احتمال را با نماد p(s) نمایش خواهیم داد. حال با فرض این که تابع p(.) به‌گونه‌ای وجود دارد که p(s)احتمال انتخاب s را تحت فرض استفاده از طرح مورد نظر به ‌دست دهد، تابع

p(.)طرح نمونه‌گیری نامیده می‌شود. هر نمونه s بر اساس هر طرح نمونه‌گیری مفروض p(.)را می‌توان به عنوان مشاهده‌ای از متغیر تصادفی مجموعه-

مقدار S که توزیع احتمال آن بوسیله تابع p(.)بیان می‌شود، مورد توجه قرار داد. اگر  را معرف تمام نمونه‌های ممکن s در نظر بگیریم، در اینصورت با در نظر گرفتن زیر مجموعه‌های تهی و U،  مجموعه‌ای شامل ^N2زیر مجموعه با اندازه‌های متفاوت ازUخواهد بود. لذا برای هر  داریم:

از آنجا که  یک توزیع احتمال بر روی  است، داریم:

برآورد میانگین درنمونه گیری مضاعف برای طبقه بندی با استفاده ازاطلاعات کمکی چند متغیره

نمونه ^[۱۱] : عناصری از جامعه که مشخصات آن‌ها‌ اندازه‌گیری می‌شود، تشکیل یک نمونه می‌دهند. در واقع یک نمونه، زیرمجموعه‌ای از جامعه U است که طبق برنامه خاصی به ‌دست می‌آید. این زیرمجموعه به طور معمول با sنمایش داده شده و  تعداد عناصر نمونه s است. در بسیاری از مواقع نمونه‌هایی را در نظر می‌گیریم که با استفاده از یک طرح نمونه‌گیری احتمالی تحقق می‌یابند. دو تعریف برای اصطلاح نمونه وجود دارد که در اکثر مواقع مورد استفاده قرار می‌گیرند:

الف- نمونه ی با جایگذاری: دنباله‌ای متناهی به صورت، که برای هر داشته باشیم، در این حالت واحدهای انتخاب شده الزاماً متفاوت نیستند. در این روش انتخاب هر واحد از انتخاب واحدهای دیگر مستقل است.

ب- نمونه ‌ی بدون جایگذاری: مثل حالت قبل زیر مجموعه‌ای غیر تهی از U شامل n عنصراست. در این حالت واحدهای انتخاب شده الزاماً مجزا می‌باشند. در واقع در این روش به صورت تصادفی یک واحد انتخاب شده سپس بدون برگرداندن این واحد به جامعه به تصادف واحد دوم انتخاب می شود و این فرایند تا انتخاب n واحد نمونه ادامه می یابد.