Performance Comparison of Three Ratio Estimators of the Population Ratio in Simple Random Sampling Without Replacement
Notice bibliographique
Résumé
This study aims to compare the efficacy of three ratio estimators for estimating the population ratio in simple random sampling without replacement (SRSWOR). The estimators under consideration are a customary ratio estimator (~R1), a ratio estimator based on a transformed mean estimator (~R2) introduced by Onyeka et al. [1], and a regression-type estimator (~R3) proposed by Onyeka et al. [2]. We assess the performance of these estimators across three distributions (bivariate normal, bivariate Poisson log-normal, and bivariate Cauchy) while varying both correlation coefficients and sample sizes, utilizing Mean Square Error (MSE) and Percent Relative Efficiency (PRE) as evaluation criteria. The results indicate that for a bivariate normal distribution, the ~R1 and ~R2 estimators consistently outperformed the ~R3 estimator across all sample sizes and correlation coefficients. The ~R2 estimator demonstrated superiority with very small sample sizes, while ~R1 exhibited better performance in small sample sizes. The ~R2 estimator remained reliable for moderately sized samples, demonstrating consistent efficiency. In large samples, ~R2 maintained its performance advantage, except in weak correlation coefficients, where ~R1 proved superior. For a bivariate Poisson lognormal distribution, both ~R2 and ~R3 performed significantly better than ~R1 for very small sample sizes, irrespective of correlation direction and strength. For moderately sized samples, ~R2 and ~R3 consistently excelled, with ~R2 leading in cases with positive correlation coefficients. For large sample sizes with negative correlation coefficients, both ~R2 and ~R3 were comparable effective and significantly better than ~R1. Conversely, with positive correlation coefficients, the ~R1 estimator significantly outperformed both ~R2 and ~R3. In a bivariate Cauchy distribution, the ~R1 estimator demonstrated notable and consistent superiority over the ~R2 and ~R3 estimators across all sample sizes and correlation coefficients.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,046 | 0,182 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,004 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».