MétaCan
Menu
Retour à la cohorte
Enregistrement W3199617130 · doi:10.1002/cjs.11644

Two‐stage cluster samples with judgment post‐stratification

2021· article· en· W3199617130 sur OpenAlexvenueno aff
Ömer Öztürk, Olena Kravchuk, Jennifer Brown

Notice bibliographique

RevueCanadian Journal of Statistics · 2021
Typearticle
Langueen
DomaineMathematics
ThématiqueStatistical Distribution Estimation and Applications
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésCluster samplingStatisticsSampling designStratified samplingEstimatorSampling (signal processing)Simple random sampleMultistage samplingEfficiencySample size determinationConfidence intervalPopulationMathematicsStage (stratigraphy)Population meanSample (material)Computer scienceBiology

Résumé

récupéré en direct d'OpenAlex

Estimation of the population mean or total in a clustered population can be done using a two‐stage sampling design. Here we present design‐unbiased estimators and their variances and approximate confidence intervals for the population mean and total for sampling designs in which a cluster sampling is undertaken at each stage as either judgment post‐stratified (JPS) or simple random sampling (SRS). SRS is performed without replacement, while JPS designs can be implemented with or without replacement. The efficiency of JPS designs relative to the SRS design is investigated. The proposed estimators have smaller variances under JPS than the two‐stage SRS design. The gain in efficiency depends on the intra‐cluster correlation coefficient and the sampling design choices at each stage. To achieve a fixed cost, the optimal sample sizes are derived for each stage by maximizing the information content of the sample. The proposed sampling designs and estimators are illustrated with a real‐life agricultural sampling task for vineyard management.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,544
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,072
Tête enseignante GPT0,318
Écart entre enseignants0,246 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeThéorique ou conceptuel
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of StatisticsMême sujetStatistical Distribution Estimation and ApplicationsTravaux en français237 207