BazEkon - Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie

BazEkon home page

Meny główne

Autor
Gamrot Wojciech (The Karol Adamiecki University of Economics in Katowice, Poland)
Tytuł
Estimation of a Quantile Using Pareto Sampling Scheme
Estymacja kwantyli z wykorzystaniem schematu losowania Pareto
Źródło
Acta Universitatis Lodziensis. Folia Oeconomica, 2010, t. 235, s. 31-38, rys., bibliogr. 10 poz.
Tytuł własny numeru
Multivariate Statistical Analysis
Słowa kluczowe
Zasada Pareto, Metody statystyczne, Estymacja, Metody estymacji, Modele stochastyczne
Pareto principle, Statistical methods, Estimation, Estimation methods, Stochastic models
Uwagi
summ., streszcz.
Abstrakt
Jedną z popularnych metod wykorzystywania dostępnych informacji o wartościach cech pomocniczych do poprawy dokładności oszacowań wartości globalnej lub średniej w populacji jest losowanie prób z prawdopodobieństwami inkluzji pierwszego rzędu proporcjonalnymi do wartości cechy pomocniczej. Podejście takie prowadzi do konstrukcji rozmaitych schematów losowania, takich jak schemat Lahiriego-Midzuno, Hartleya-Rao, Rao-Harleya-Cochrana, Suntera, czy też Pareto. W niniejszym artykule zbadano empirycznie, jak zastosowanie ostatniego z wymienionych schematów losowania próby wpłynie na własności stochastyczne uzyskiwanych oszacowań innego parametru, a mianowicie kwantyla. (abstrakt oryginalny)

One of most common methods of utilizing available auxiliary information to improve stochastic properties of estimates for simple population parameters such as population total or population mean relies on drawing population units to the sample with individual inclusion probabilities proportional to known values of auxiliary variable. This leads to the construction of various non-simple sampling schemes. This paper focuses on properties of population quantile estimates when Pareto sampling scheme is used. Simulation results are presented. (original abstract)
Dostępne w
Biblioteka Główna Uniwersytetu Ekonomicznego w Krakowie
Biblioteka Szkoły Głównej Handlowej w Warszawie
Biblioteka Główna Uniwersytetu Ekonomicznego w Katowicach
Biblioteka Główna Uniwersytetu Ekonomicznego w Poznaniu
Biblioteka Główna Uniwersytetu Ekonomicznego we Wrocławiu
Pełny tekst
Pokaż
Bibliografia
Pokaż
  1. Aires, N. (2000) Techniques to Calculate Exact Inclusion Probabilities for Conditional Poisson Sampling and Pareto πps Sampling Designs, Phd thesis, Chalmers, Göteborg University. Göteborg.
  2. Bracha Cz. (1996) Teoretyczne podstawy metody reprezentacyjnej Wydawnictwo Naukowe PWN Warszawa.
  3. Chambers, R., Dunstan, R., (1986) Estimating Distribution Functions from Survey Data. Biometrika, 73 (3): 597-604.
  4. Gilchrist, W.G. (2000) Statistical Modelling with Quantile Functions, Chapman&Hall/CRC, Boca Raton.
  5. Hyndman R.J., Fan Y, (1996) Sample Quantiles in Statistical Packages, The American Statistician, 50(4), 361-365.
  6. Rao, J. N. K., Kovar J.G., Mantel, H. J. (1990) On estimating distribution functions and quantiles from survey data using auxiliary information, Biometrika 77(2), 365-375.
  7. Rosén B. (1997) On sampling with probability proportional to size, Journal of Statistical Planning and Inference, 62, 159-191.
  8. Rueda M. M., Arcos A., Martinez-Miranda M. D., Roman Y. (2004) Some improved estimators of finite population quantile using auxiliary information in sample surveys, Computational Statistics & Data Analysis, 45(4), 825-848.
  9. Särndal C.E., Swensson B., Wretman J.H. (1992) Model Assisted Survey Sampling, Springer-Verlag, New York.
  10. Yates F., Grundy P. M. (1953) Selection without replacement from within strata with probability proportional to size, Journal of the Royal Statistical Society B 15, 235-261.
Cytowane przez
Pokaż
ISSN
0208-6018
Język
eng
URI / DOI
http://hdl.handle.net/11089/336
Udostępnij na Facebooku Udostępnij na Twitterze Udostępnij na Google+ Udostępnij na Pinterest Udostępnij na LinkedIn Wyślij znajomemu