Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

English (EN)·Polski (PL)·Yкраїнський (UK)
Przejdź do strony domowej biblioteki Centralna Biblioteka Wojskowa Link otwiera się w nowym oknie Logo biblioteki Prolib Integro - strona głównaCentralna Biblioteka Wojskowa

Wyszukujesz frazę "mean estimation" wg kryterium: Temat

  Lista filtrów
Wyrównaj
    Wyświetlanie 1-2 z 2
    Tytuł:
    On Application of Logistic Regression to Mean Value Estimation in Two-Phase Sampling for Nonresponse
    O zastosowaniu regresji logistycznej do oceny wartości przeciętnej z wykorzystaniem schematu losowania dwufazowego w przypadku braków odpowiedzi
    Autorzy:
    Gamrot, Wojciech
    Powiązania:
    https://bibliotekanauki.pl/articles/904691.pdf
    Data publikacji:
    2005
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    stochastic nonresponse
    response probabilities
    logistic regression
    mean value estimation
    Opis:
    Wystąpienie niekompletności obserwacji badanej cechy w badaniu statystycznym zazwyczaj prowadzi do obciążenia uzyskanej oceny badanego parametru populacji. Jedna z technik stosowanych dla przeciwdziałania temu zjawisku opiera się na wykorzystaniu schematu losowania dwufazowego. Jako estymator wartości przeciętnej w populacji wykorzystuje się zazwyczaj kombinację liniową ocen wartości przeciętnej uzyskanych w pierwszym i drugim etapie (fazie) badania. W niniejszym referacie podjęto próbę zbadania własności alternatywnych strategii estymacji wykorzystujących schemat losowania dwufazowego, uwzględniających w konstrukcji estymatora oceny prawdopodobieństw uzyskania odpowiodzi od poszczególnych jednostek populacji uzyskane przy wykorzystaniu modelu regresji logistycznej. Porównanie własności wymienionych strategii przeprowadzono drogą symulacji komputerowej, przy wykorzystaniu danych uzyskanych w wybranych gminach powiatu Dąbrowa Tarnowska podczas spisu rolnego w roku 1996.
    The phenomenon of nonresponse in a sample survey usually leads to bias in estimates of population parameters. One of the techniques applied as a countermeasure for nonresponse is based on two-phase (or double) sampling. Usually a linear combination of mean value estimates obtained in both phases of the survey is used as an estimate of population mean value of the characteristic under study. In this paper alternative estimators for two-phase sampling scheme using estimates of response probabilities obtained on the basis of logistic regression model are considered. The results of Monte Carlo simulation study comparing the properties of these estimators are presented. In the simulations, the data from the Polish 1996 Agricultural Census were used.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2005, 194
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
    Tytuł:
    On stratification of population on the basis of auxiliary variable and the selected sample
    O warstwowaniu populacji na podstawie zmiennej pomocniczej i próby po jej wylosowaniu
    Autorzy:
    Wywiał, Janusz
    Powiązania:
    https://bibliotekanauki.pl/articles/905368.pdf
    Data publikacji:
    2002
    Wydawca:
    Uniwersytet Łódzki. Wydawnictwo Uniwersytetu Łódzkiego
    Tematy:
    stratification after sample selection
    conditional estimation
    conditional mean
    conditional variance
    Opis:
    Survey sampling conditional methods are usually connected with poststratification estimators for domains and with inference on the basis of regression models or contingency tables. These problems were considered e.g. by Rao (1985), Tillé (1998), Williams (1962). The problem of stratification of a population on the basis of observations on the variable under study in a sample was considered by e.g. Dalenius (1957). We deal with the problem of appropriate division of a simple sample into sub-samples of equal sizes. This partition of the sample leads to clustering a population into sub-populations. Each of these sub-populations includes one and only one previously created sub-sample. The linear combinations of statistics from the sub-samples are used for estimation of a population mean. The coefficients of this linear combination are proportionate to the sizes of the sub-populations. This statistic is the unbiased estimator of the population mean. The variance of the estimator has been derived. The example of determining of the estimator parameters is presented. Moreover, some generalisations of proposed estimators are suggested.
    Problem estymacji wartości przeciętnej w populacji na podstawie próby prostej losowanej bezzwrotnie z populacji ustalonej i skończonej jest rozważany. Zakładamy, że wartości zmiennej pomocniczej są obserwowane w całej populacji. Próba prosta, po jej wylosowaniu, jest porządkowana zgodnie z rosnącymi wartościami zmiennej pomocniczej. Następnie próba ta jest dzielona na H > 1 równolicznych podprób. Potem zlicza się, ile jest elementów populacji pomiędzy elementami rozdzielającymi podpróby. Udziały tych liczebności stanowią współczynniki kombinacji liniowej, m.in. średnich z podprób. Taki warunkowy estymator daje nieobciążone (warunkowo i bezwarunkowo) oceny wartości średniej w populacji. Pokazano przykład oceny wartości średniej w populacji z wyznaczeniem wartości wariancji warunkowych i bezwarunkowych estymatora.
    Źródło:
    Acta Universitatis Lodziensis. Folia Oeconomica; 2002, 156
    0208-6018
    2353-7663
    Pojawia się w:
    Acta Universitatis Lodziensis. Folia Oeconomica
    Dostawca treści:
    Biblioteka Nauki
    Artykuł
      Wyświetlanie 1-2 z 2

      Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies