[논문 리뷰] A family of estimators for estimating the population mean in simple random sampling under measurement errors

Sachin Malik, Jayant Singh외 1명|arXiv (Cornell University)|2013. 12. 04.

Survey Sampling and Estimation Techniques참고 문헌 6인용 수 4

한 줄 요약

이 논문은 측정 오차가 존재하는 보조 정보가 이용 가능한 간단한 무작위 표본 추출에서 모집단 평균을 위한 개선된 추정자 가족을 제안한다. 대규모 표본 근사법을 사용하여 저자들은 제안된 추정자의 평균제곱오차(MSE)를 유도하고, 이가 기존 추정자보다 우월해지는 조건을 설정하며, 수치적 지원을 통해 효율성 향상 여부를 확인한다.

ABSTRACT

In this article we have suggested an improved estimator for estimating the population mean in simple random sampling using auxiliary information under the presence of measurement errors. The mean square error (MSE) of the proposed estimator has been derived under large sample approximation. Besides, considering the minimum case of the MSE equation, the efficient conditions between the proposed and existing estimators are obtained. These theoretical findings are supported by a numerical example.

연구 동기 및 목표

• 보조 변수가 측정 오차를 겪을 때 모집단 평균을 추정하는 데 도전하는 문제를 다루는 것.
• 측정 오차 조건 하에서 보조 정보를 활용하여 추정 효율성을 향상시키는 것.
• 대규모 표본 근사 하에서 제안된 추정자의 평균제곱오차(MSE)를 유도하는 것.
• 제안된 추정자가 기존 추정자보다 더 효율적인 조건을 이론적으로 설정하는 것.
• 수치 예제를 통해 이론적 결과를 검증하는 것.

제안 방법

• 제안된 추정자는 보조 변수의 측정 오차를 보정하기 위해 설계된 추정자 가족에 보조 정보를 통합한다.
• 대규모 표본 근사법을 사용하여 제안된 추정자의 평균제곱오차(MSE)를 유도한다.
• 특정 제약 조건 하에서 MSE 표현식을 최소화하여 효율성에 최적의 조건을 도출한다.
• MSE 기반 효율성 기준을 사용하여 제안된 추정자와 기존 추정자 간의 이론적 비교를 수행한다.
• 제안된 추정자의 성능과 효율성 향상을 설명하기 위해 수치 예제를 제공한다.
• 최소 MSE 조건을 유도하여 기존 대체 방법보다 추정자가 열등하지 않음을 보장한다.

실험 결과

연구 질문

• RQ1 보조 변수가 측정 오차를 겪을 때 보조 정보를 효과적으로 활용하여 모집단 평균 추정을 어떻게 향상시킬 수 있는가?
• RQ2 대규모 표본 근사 하에서 제안된 추정자 가족의 평균제곱오차(MSE)는 무엇인가?
• RQ3 제안된 추정자가 최소 MSE에 도달하고 기존 추정자보다 뛰어나지 않기 위한 조건은 무엇인가?
• RQ4 측정 오차가 존재할 경우 제안된 추정자는 고전적 추정자보다 효율성이 어떻게 뛰어나게 되는가?
• RQ5 수치 예제를 통해 제안된 추정자의 실용적 우월성이 입증될 수 있는가?

주요 결과

• 유도된 최적 조건 하에서 제안된 추정자 가족은 기존 추정자보다 더 낮은 평균제곱오차(MSE)를 달성한다.
• 이론적 분석을 통해 보조 변수에 측정 오차가 존재할 경우 제안된 추정자가 기존 추정자보다 더 효율적임을 확인한다.
• 최소 MSE 조건이 도출되었으며, 이는 연구 변수와 보조 변수 간 상관계수가 충분히 높을 경우 제안된 추정자가 기존 추정자보다 뛰어나다는 것을 보여준다.
• 수치 예제를 통해 기준 추정자 대비 MSE 감소가 명확하게 관찰되어 이론적 결과를 지지한다.
• 보조 데이터의 중간 수준의 측정 오차 조건 하에서도 제안된 추정자는 강건성과 효율성을 유지한다.
• 이러한 추정자 가족은 다양한 표본 설계와 오차 구조에 유연하게 적응할 수 있다.