Examining the efficiency of regression estimators in modified ranked set sampling methods

---

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: EDA DAVASLIOĞLU

Danışman: NESLİHAN DEMİREL

Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu

Özet:

Sıralı Küme Örneklemesi (SKÖ), son yıllarda popüler bir örnekleme yöntemi olmuştur. SKÖ, ilgilenilen değişkenin ölçümü zor veya maliyetliyken, görsel sıralamanın kolay bir şekilde yapılabildiği durumlarda kullanılmaktadır. Son yıllarda, Eş Sıralı Küme Örneklemesi, Uç Sıralı Küme Örneklemesi, Medyan Sıralı Küme Örneklemesi, Çift Sıralı Küme Örneklemesi, L Sıralı Küme Örneklemesi ve Kesme Tabanlı Sıralı Küme Örneklemesi gibi Sıralı Küme Örneklemesi yönteminin farklı modifikasyonları birçok araştırmacı tarafından önerilmiş ve bu yöntemler geniş çaplı uygulamalarda kullanılmıştır. Bu çalışmanın amacı, Basit Rastgele Örnekleme (BRÖ), SKÖ ve farklı modifiye sıralı küme örneklemesi yöntemlerinin regresyon kestiricilerini tahmin etmek ve bu yöntemlerin regresyon modellerine ait hata kareler ortalamaları, kitle ortalaması ve regresyon katsayılarının göreli etkinliklerini karşılaştırmaktır. R Programlama dili aracılığıyla 10,000 tekrarlı Monte Carlo simülasyon çalışması gerçekleştirilmiştir. Kestiricilerin performansları; yanlılık, hata kareler ortalaması ve göreli etkinliklerine göre farklı korelasyon katsayıları, küme ve döngü genişlikleri ile farklı parametrelere sahip iki değişkenli normal dağılım altında, aykırı değer içeren ve içermeyen durumlar için karşılaştırılmıştır. Bulgular, modifiye sıralı küme örneklemesi yöntemleri altındaki regresyon kestiricilerinin, BRÖ altındaki regresyon kestiricilerine göre daha iyi performans sergilediğini ortaya koymaktadır.