دانلود مقاله ISI انگلیسی شماره 110392
ترجمه فارسی عنوان مقاله

یک برآوردگر رگرسیون چندمتغیره - تقریبی - نمایشی برای بردار واریانس جمعیت در نمونه گیری دو مرحله ای

عنوان انگلیسی
A multivariate regression-cum-exponential estimator for population variance vector in two phase sampling
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
110392 2018 17 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of King Saud University - Science, Volume 30, Issue 2, April 2018, Pages 223-228

ترجمه کلمات کلیدی
برآوردگر چند متغیره، متغیرهای کمکی، نمونه برداری دو مرحله ای، برآوردگر رگرسیون، ماتریس متغیر-کوواریانس، شبیه سازی،
کلمات کلیدی انگلیسی
Multivariate estimator; Multi-auxiliary variables; Two-phase sampling; Regression estimator; Variance-covariance matrix; Simulation;
ترجمه چکیده
در این مطالعه، ما یک برآوردگر نوع رگرسیون-تقریبی معکوس چند متغیره برای تخمین یک بردار واریانس جمعیت پیشنهاد کردیم. در مطالعه حاضر، برآورد برآورد برآورد واریانس ناشناخته جمعیت با استفاده از متغیرهای کمکی در نمونه گیری دو مرحلهای مورد بحث قرار گرفته است و موارد مختلف نیز به دست آمده است. مقایسه بین برآوردگرهای موجود و پیشنهادی چند متغیره، دو متغیره و یکنواخت با استفاده از داده های واقعی برای تخمین واریانس جمعی تهیه شده است. برای نشان دادن عملکرد برآوردگرها، یک مطالعه شبیه سازی برای برآوردگر چند متغیر با استفاده از متغیرهای کمکی انجام شده است.
پیش نمایش مقاله
پیش نمایش مقاله  یک برآوردگر رگرسیون چندمتغیره - تقریبی - نمایشی برای بردار واریانس جمعیت در نمونه گیری دو مرحله ای

چکیده انگلیسی

In this study we have proposed a multivariate regression-cum-exponential type estimator for estimating a vector of population variance. In the present study, unknown population variance vector estimation has been discussed using multi-auxiliary variables in two-phase sampling and different cases have also been derived. A comparison between existing and the proposed multivariate, bivariate and univariate estimators has been prepared with the help of a real data for estimating population variance. A simulation study for multivariate estimator using multi-auxiliary variables has also been carried out to demonstrate the performance of the estimators.