Ranking error models, cost and optimal set size in ranked set sampling

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Dokuz Eylül Üniversitesi, Fen Bilimleri Enstitüsü, İstatistik Ana Bilim Dalı, Türkiye

Tezin Onay Tarihi: 2019

Tezin Dili: İngilizce

Öğrenci: SAMİ AKDENİZ

Danışman: TUĞBA YILDIZ

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

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.