mean estimators in two phase samplingyunus.hacettepe.edu.tr/~hcingi/nilgun_ozgul_tez.pdf ·...
TRANSCRIPT
İKİ SAFHALI ÖRNEKLEME YÖNTEMİNDE ORTALAMA TAHMİN EDİCİLERİ
MEAN ESTIMATORS IN TWO PHASE SAMPLING
NİLGÜN ÖZGÜL
Hacettepe Üniversitesi
Lisansüstü Eğitim-Öğretim ve Sınav Yönetmeliğinin
İSTATİSTİK Anabilim Dalı İçin Öngördüğü
YÜKSEK LİSANS TEZİ
olarak hazırlanmıştır.
2007
Fen Bilimleri Enstitüsü Müdürlüğü'ne,
Bu çalışma jürimiz tarafından İSTATİSTİK ANABİLİM DALI 'nda YÜKSEK LİSANS TEZİ olarak kabul edilmiştir.
Başkan :…..................................................
Yrd. Doç. Dr. Yaprak Arzu ÖZDEMİR
Üye (Danışman) :.….................................................
Prof. Dr. Hülya ÇINGI
Üye :…..................................................
Doç. Dr. Cem KADILAR
ONAY
Bu tez ...../...../..... tarihinde Enstitü Yönetim Kurulunca kabul edilmiştir.
Prof.Dr. Erdem YAZGAN FEN BİLİMLERİ ENSTİTÜSÜ MÜDÜRÜ
i
İKİ SAFHALI ÖRNEKLEME YÖNTEMİNDE ORTALAMA TAHMİN EDİCİLERİ
Nilgün Özgül ÖZ
Bu çalışmada, iki safhalı örnekleme yöntemi tanıtılmış ve bu örnekleme yönteminde
kitle ortalaması tahmini için önerilen çeşitli oransal ve regresyon tahmin ediciler
incelenmiştir. Aynı zamanda bu tahmin edicilerin yan ve hata kareler ortalamaları
elde edilmiştir. Önerilen tahmin ediciler birbirleriyle karşılaştırılmış ve hangi koşullar
altında hangi tahmin edicilerin etkin oldukları araştırılmıştır.
Sayısal örnekte, Milli Eğitim Bakanlığı verileri kullanılmıştır. 2006 yılında ÖSS’ye göre
yerleşen öğrenci sayısı ilgilenilen değişken (y), ortaöğretimdeki okul sayısı ilk
yardımcı değişken (x), ÖSS hazırlık dersane sayısı ikinci yardımcı değişken (z)
olarak alınmıştır. Önerilen tahmin ediciler için yan ve hata kareler ortalaması
hesaplanmıştır.
Çalışmanın son bölümünde ise, sayısal örneklerde elde edilen sonuçlara bağlı olarak
tahmin edicilerin etkinlikleri ile ilgili tartışma ve yorumlar yapılmıştır.
ANAHTAR KELİMELER: İki safhalı örnekleme yöntemi , ortalama, oransal tahmin
edici, regresyon tahmin edicisi, yardımcı bilgi, etkinlik, yan, hata kareler ortalaması.
Danışman: Prof.Dr.Hülya Çıngı, Hacettepe Üniversitesi, İstatistik Bölümü.
ii
MEAN ESTIMATORS IN TWO PHASE SAMPLING
Nilgün Özgül ABSTRACT In this study, two phase sampling is introduced and various mean estimators are
studied. Also bias and mean square error of these estimators are obtained.
Estimators are compared with each other and the efficient conditions are investigated
for these estimators.
In numerical example, the data, which are taken from Ministry of National Education,
are used. y study variable is the number of students who achieved to enter the
university by OSS exam in 2006, x auxiliary variable is the number of high schools
and z auxiliary variable is the number of preparation courses for OSS exam. Bias and
mean square error are calculated for these estimators.
In the last section of the study, discussions and interpretations are given related to
mean square error and efficiencies of the estimators based on the results of the
numerical example.
KEY WORDS: Two phase sampling, mean, ratio estimator, regression estimator,
auxiliary information, efficiency, bias, mean square error.
Advisor: Prof. Dr. Hulya Cıngı, Hacettepe University, Department of Statistics
iii
TEŞEKKÜR Tez çalışmam süresince bilgisini, desteğini, hoşgörüsünü benden esirgemeyen ve
bana tezin her aşamasında görüşleriyle ve eleştirileriyle yol gösteren değerli
danışmanım Sayın Prof. Dr. Hülya ÇINGI’ya, katkılarından dolayı Sayın Doç. Dr.
Cem KADILAR’a, şefkati ve desteğiyle her an yanımda olan Sayın Öğr. Gr. Dr. Serpil
AKTAŞ’a, yardımlarını esirgemeyen Uzman Kemal BİRİNCİ’ye, manevi desteğini
esirgemeyen çalışma arkadaşlarıma, her zaman yanımda olarak bana destek olan
AİLEM’e içtenlikle teşekkür ederim.
iv
İÇİNDEKİLER DİZİNİ Sayfa
ÖZ……………………………………………………………………………………………i
ABSTRACT………………………………………………………………………………...ii
TEŞEKKÜR..………………………………………………………………………………iii
İÇİNDEKİLER DİZİNİ…………………………………………………………………….iv
ÇİZELGELER DİZİNİ...............................................................................................ix
SİMGELER VE KISALTMALAR DİZİNİ……………………………………………..….x
BİRİNCİ BÖLÜM 1.GİRİŞ…………………………………………………………………………….1 İKİNCİ BÖLÜM 2.GENEL BİLGİLER………………………………….…………………….…….3
2.1. Yöntemin Tanımı………………………………………………………….....3
2.2. Bir Örneklemden Çeşitli Tahmin Ediciler………………………………….7
2.2.1.Basit tahmin………………………………………………………………...7
2.2.2.Oransal tahmin.....................................................................................8
2.2.3. Doğrusal regresyon tahmini……...…….……………………………….10
2.3. Tahmin Edicinin İstenen Özellikleri…………..…………………………..11
2.3.1 Tanım.................................................................................................11
2.3.2. Yansızlık……………….………………………………………………....14
2.3.3. Etkinlik………………………………………………………………........14
ÜÇÜNCÜ BÖLÜM
3. İKİ SAFHALI ÖRNEKLEME YÖNTEMİNDE ORANSALTAHMİNEDİCİLER………………………….………………….......16
3.1. Klasik Oransal Tahmin Edici………...…..……………………….…........16
v
3.2. Basit Oransal Tahmin Edici..................................................................16
3.3 Srivastava Tahmin Edicisi…......………………………….….……………22
3.4 Chand Tahmin Edicileri...…………………………………………………..26
3.4 1.Chand tahmin edicisi-1…………………………………………………..26
3.4 2.Chand tahmin edicisi-2………………………………………….…….…30
3.5.Kiregyera Oransal Tahmin Edicisi………..……..…………………..……33
3.6.Upadhyaya tahmin edicisi…...……………………….………….……...…37
3.7. Singh ve Upadhyaya Tahmin Edicileri…….…….....……………………40
3.7.1. Singh ve Upadhyaya tahmin edicisi-1………..……………………..…41
3.7.2. Singh ve Upadhyaya tahmin edicisi-2………..………………..………44
3.7.3. Singh ve Upadhyaya Tahmin Edicisi-3………………………………..47
3.7.4. Singh ve Upadhyaya tahmin edicisi-4…………………………………51
3.8. Singh Genelleştirilmiş Tahmin Edicisi…………………..….....………....53
3.9. Prasad, Singh ve Singh Tahmin Edicileri………………………………..55
3.9.1. Prasad, Singh ve Singh tahmin edicisi-1….…………………………..56
3.9.2. Prasad, Singh ve Singh tahmin edicisi-2……………………….……..61
3.9.3. Prasad, Singh ve Singh tahmin edicisi-3……………………………...65
3.10. Singh ve Espejo Tahmin Edicisi…….……….…………………..………71
DÖRDÜNCÜ BÖLÜM
4. ZİNCİRLEME ÖRNEKLEME YÖNTEMİNDE REGRESYON TAHMİN EDİCİLERİ…...………………………………………..…..………………..…...76
4.1.Klasik Regresyon Tahmin Edici…………………………………………..76
4.2. Mohanty Tahmin Edicileri……………………………………..…..………79
vi
4.2.1. Mohanty tahmin edicisi-1………………………………………………..79
4.2.2. Mohanty tahmin edicisi-2………………………………………………..82
4.3. Kiregyera Regresyon Tahmin Edicileri…………………..…………...….84
4.3.1. Kiregyera regresyon tahmin edicisi-1……………………..…...………85
4.3.2. Kiregyera regresyon tahmin edicisi-2……………………..…...………88
4.4.Roy Tahmin Edicisi……………………………………………..…………..90
BEŞİNCİ BÖLÜM
5. İKİ SAFHALI ÖRNEKLEME YÖNTEMİNDE TAHMİN EDİCİ AİLELERİ.........................…………………..…………....94
5.1. Singh, Singh ve Shukla Tahmin Edici Ailesi…………………………….94
5.2. Singh, Upadhyaya ve Chandra Tahmin Edici Ailesi……………………95
ALTINCI BÖLÜM
6.TAHMİN EDİCİLERİN KARŞILAŞTIRILMASI……………….............…..105
6.1. Oransal Tahmin Edicilerinin Karşılaştırılması…………...………….…105
6.1.1. Basit oransal tahmin edici ile Srivastava tahmin edicisinin karşılaştırılması.........................................................................................105
6.1.2.. Basit oransal tahmin edici ile Chand tahmin edicisi-1’in karşılaştırılması.........................................................................................106
6.1.3. Basit oransal tahmin edici ile Kiregyera oransal tahmin edicisinin karşılaştırılması……………………………………………………….………..106
6.1.4. Chand tahmin edicisi-1 ile Kiregyera oransal tahmin edicisinin karşılaştırılması………………………………………………………...………107
6.1.5. Upadhyaya tahmin edicisi ile Kiregyera oransal tahmin edicisinin karşılaştırılması…………………………...……………………………………107
6.1.6.Singh ve Upadhyaya tahmin edicisi-1 ile Singh ve Upadhyaya-tahmin edicisi-3’ün karşılaştırılması…………………………………………………..108
vii
6.1.7. Singh ve Upadhyaya tahmin edicisi-1 ile Singh ve Upadhyaya tahmin edicisi-4’ün karşılaştırılması……………………………………… ………….108
6.1.8. Singh ve Upadhyaya tahmin edicisi-3 ile Singh ve Upadhyaya tahmin edicisi-4’ün Karşılaştırılması…………………………………….……………109
6.1.9. Singh ve Upadhyaya tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-1’in karşılaştırılması……………………………………………...……110
6.1.10. Singh ve Upadhyaya tahmin edicisi-3 ile Singh genelleştirilmiş tahmin edicisi-3’ün karşılaştırılması………………………………………….110
6.1.11. Singh genelleştirilmiş tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-2’nin karşılaştırılması…………………………………………111
6.1.12. Singh genelleştirilmiş tahmin edicisi-2 ile Singh genelleştirilmiş tahmin edicisi-3’ün karşılaştırılması …………………………………...........112
6.1.13. Singh genelleştirilmiş tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-3’ün karşılaştırılması ………………………………………...112
6.1.14. Kiregyera oransal tahmin edicisi ile Prasad, Singh ve Singh tahmin
edicisi-1’in karşılaştırılması………….………………………………………..113
6.1.15. Chand tahmin edicisi-1 ile Prasad, Singh ve Singh tahmin edicisi-
1’in karşılaştırılması……………………………………………………………114
6.1.16. Upadhyaya tahmin edicisi ile Prasad, Singh ve Singh tahmin edicisi-
1’in karşılaştırılması…………………………………………………………...114
6.1.17. Upadhyaya tahmin edicisi ile Prasad, Singh ve Singh tahmin edicisi
-2’nin karşılaştırılması…………………………………………………………115
6.1.18. Prasad, Singh ve Singh tahmin edicisi-1 ile Prasad, Singh ve Singh
tahminedicisi-2’nin karşılaştırılması………………………………………….115
6.1.19. Prasad, Singh ve Singh tahmin edicisi-2 ile Prasad, Singh ve Singh
tahmin edicisi-3’ün karşılaştırılması………………………………………….116
6.2. Regresyon Tahmin Edicilerinin Karşılaştırılması……………………...116
viii
6.2.1. İki safhalı klasik regresyon tahmin edicisi ile Mohanty tahmin edicisi-
1’in karşılaştırılması……………………………………………………………116
6.2.2. Mohanty tahmin edicisi-2 ile Kiregyera regresyon tahmin edicisi-1’in
karşılaştırılması………………………………………………………………...117
6.2.3. Kiregyera regresyon tahmin edicisi-1 ile Kiregyera regresyon tahmin
edicisi-2’nin karşılaştırılması…………………...……………………………..118
YEDİNCİ BÖLÜM
7.SAYISAL ÖRNEK...................................................................................119
7.1. Teorik Karşılaştırmaların Uygulamadaki Sonuçları…………..……….124
SEKİZİNCİ BÖLÜM 8. SONUÇ VE TARTIŞMA…………………………………….……………...133 KAYNAKLAR…………………………………………………………………...136
ix
ÇİZELGELER DİZİNİ
Sayfa
Çizelge.5.1. Tahmin Edici Ailesinde Elde Edilen Bazı Tahmin Ediciler………….100 Çizelge (7.1) 2006 Yılında ÖSS’ye Göre Yerleşen Öğrenci Sayısı Y,
Ortaöğretimdeki Okul Sayısı X, ÖSS Hazırlık Dersane Sayısı Z Değişkenlerine Ait
Kitle Bilgileri………………………………………...…………………………………..120
Çizelge (7.2) 2006 Yılında ÖSS’ye Göre Yerleşen Öğrenci Sayısı Y,
Ortaöğretimdeki Okul Sayısı X, ÖSS Hazırlık Dersane Sayısı Z Değişkenlerine Ait
Örneklem Bilgileri { ( )765n =′ ,(n=447) }………………………………...…………...121
Çizelge (7.3) Tahmin Edicilerin Tahmin, Yan ve Hata Kareler Ortalaması Değerleri
ve HKO Sıralaması { ( )765n =′ ,(n=447) }……………………….…………………..122
Çizelge(7.4) Ön ve Alt Örneklem Büyüklükleri………………...……………………130
Çizelge (7.5) Farklı Ön ve Alt Örneklem Büyüklükleri İçin Tahmin Edicilerin HKO
Değerleri………………………………………………………………………………...130
x
SİMGELER VE KISALTMALAR DİZİNİ B Kitle Regresyon Katsayısı
HKO Hata Kareler Ortalaması
TE Tahmin Edici
X X Değişkeni için Kitle Ortalaması Tahmini
Oy Oransal Tahmin Edici
Çy Çarpımsal Tahmin Edici
SOy İki Safhalı Oransal Tahmin Edici
SÇy İki Safhalı Çarpımsal Tahmin Edici
BOy Basit Oransal Tahmin Edici
sy Srivastava Tahmini Edicisi
1Cy Chand Tahmin Edicisi-1
2Cy Chand Tahmin Edicisi-2
Ky Kiregyera Oransal Tahmin Edicisi
Uy Upadhyaya Tahmin Edicisi
SDy Sisodia ve Dwivedi Tahmin Edicisi
*x Searl Tahmin Edicisi
1usy Upadhyaya ve Singh Tahmin Edicisi-1
2usy Upadhyaya ve Singh Tahmin Edicisi-2
1suy Singh ve Upadhyaya Tahmin Edicisi-1
2suy Singh ve Upadhyaya Tahmin Edicisi-2
3suy Singh ve Upadhyaya Tahmin Edicisi-3
4suy Singh ve Upadhyaya Tahmin Edicisi-4
( )sg
1y Singh Genelleştirilmiş Tahmin Edicisi-1 ( )
sg2y Singh Genelleştirilmiş Tahmin Edicisi-2 ( )
sg3y Singh Genelleştirilmiş Tahmin Edicisi-3
sgy Singh GenelleştirilmişTahmin Edicisi
PSSy Prasad, Singh ve Singh Tahmin Edicisi-1
xi
( )β,αPSSy Prasad, Singh ve Singh Tahmin Edicisi-2
( )γ,β,αPSSy Prasad, Singh ve Singh Tahmin Edicisi-3
zoçy Singh ve Espejo Tahmin Edicisi
SRy İki Safhalı Klasik Regresyon Tahmin Edicisi
1My Mohanty Tahmin Edicisi-1
2My Mohanty Tahmin Edicisi-2
1Ky Kiregyera Regresyon Tahmin Edicisi-1
2Ky Kiregyera Regresyon Tahmin Edicisi-2
Ry Roy Tahmin Edicisi
SSSy Singh, Singh ve Shukla Tahmin Edici Ailesi
t Singh, Upadhyaya ve Chandra Tahmin Edici Ailesi-1
1t Singh, Upadhyaya ve Chandra Tahmin Edici Ailesi-2
2t Singh, Upadhyaya ve Chandra Tahmin Edici Ailesi-3
1
BİRİNCİ BÖLÜM
1. GİRİŞ
İnsanların mantıkları yardımıyla bir karar vermek amacıyla kullandıkları yöntemlerden
biri örnekleme yöntemidir. Günümüzde, fizik, kimya, biyoloji gibi fen dallarında, çeşitli
mühendislik dallarında, tıp, ecza, diş gibi sağlık bilimleri ve sosyal bilimlerde yapılan
pek çok araştırmada; kamuoyu yoklamalarında ve pazarlama araştırmalarında,
örnekleme yönteminden yararlanılır (Çıngı, 1994).
Araştırma sonuçlarının geçerli, güvenilir ve kullanılabilir olması için verilerin toplandığı
kitlenin özelliği çok önemlidir. En doğru sonuç, aranan bilginin elde edileceği kitlenin
tümünden elde edilen sonuçtur. Ancak her zaman bu olanaklı değildir. Özellikle kitle
çok büyük olduğunda bunu yapmak son derece zordur. Bunun için araştırmacılar
kitlenin tümünü incelemek yerine belirli bir örneklem üzerinde çalışmak zorundadırlar.
Ancak bazı örneklemler kitleyi tümüyle temsil ederken bazı örneklemlerde bu temsil
yoktur. Örneğin bir damla kan vücuttaki bütün kanı temsil edebilir, ancak bir okuldan
seçilen 10 öğrenci tüm okulu temsil etmeyebilir. Bu nedenle kişilerin nasıl seçildiği çok
önemlidir.
Örnekleme süreci, örneklem çekimi ve tahmin olmak üzere iki kesime ayrılmıştır.
Araştırmalarda amaç, iyi bir örneklem ile yansız, tutarlı ve duyarlı tahminler
yapabilmektir. İyi bir örneklem, kitleye en uygun örnekleme yönteminin
belirlenmesinden sonra bu yönteme göre örneklem büyüklüğünün saptanmasıyla elde
edilebilir. Uygun örnekleme yönteminin belirlenmesi parametreye ilişkin örnekleme
varyansının en küçük yapılmasıyla mümkündür. Bu nedenle uygun örnekleme
yönteminin seçimi istatistikte önemli bir yer tutar (Çıngı, 1994).
2
Bu tez çalışmasında amaç, iki safhalı örnekleme yönteminde yapılan çeşitli ortalama
tahmin edicilerini tanıtmak, bu tahmin edicilerin yanlarını ve hata kareler
ortalamalarını (HKO) incelemek, bu tahmin edicileri birbirleriyle karşılaştırmak ve
ayrıca sayısal örnekler vererek konunun daha iyi anlaşılmasını sağlamaktır.
3
İKİNCİ BÖLÜM
2. GENEL BİLGİLER
2.1. Yöntemin Tanımı
N birimden oluşan sonlu bir kitlede kitle ortalaması tahmin edilmek istensin. Kitle
ortalaması birçok tahmin yöntemiyle tahmin edilebilir. Basit tahmin bilinen en klasik
tahmin yöntemidir. İlgilenilen değişken Y ile yüksek ilişkili olan bir yardımcı değişkenin
kullanılmasıyla tahminler daha duyarlı olmaktadır. Yardımcı değişken bilgisi oransal,
regresyon ve çarpımsal tahmin edicilerde kullanılır.
Ancak bazı araştırmalarda, yardımcı değişkene ait kitle bilgisine ulaşılamayabilir. Bu
durumda iki safhalı örnekleme yöntemi kullanılır. Bu yöntem, yardımcı değişkene ait
kitle bilgilerinin elde edilmesinde, hem uygulama bakımdan hem de düşük maliyetli
olması bakımından tercih edilen bir örnekleme yöntemidir.
Bu örnekleme yönteminde amaç, ilk örneklem yardımıyla X yardımcı değişkenine ait
kitle bilgilerinin en etkin şekilde tahminini sağlamak ve ikinci safhada seçilen alt
örneklemde en etkin y tahminini elde etmektir. Bu bakımdan örneklemlerin seçim
yöntemi çok önemli rol oynamaktadır.
Bu örnekleme yöntemi iki safhada gerçekleşir. İlk safhada X değişkenine ait bilgilerin
tahmini için bir örneklem seçilir. Birinci safhada seçilen örnekleme ön örneklem
(primary-sample) denir ve s′ ile ifade edilir. Ön örneklem, N büyüklüğündeki kitleden
uygun bir örnekleme yöntemiyle yerine konularak ya da konulmadan seçilir ve n′
( )Nn <′ birimden oluşur. s′ örneklemi tamamen X değişkeninin bilgilerinin tahmininde
kullanılan örneklemdir. X değişkeninin bilgilerinin tahmininde ikinci bir yardımcı
değişken (Z) kullanılabilir. Ön örneklemde X ve Z değişkenleri gözlenir. Ön örneklem
ne kadar büyük olursa tahminlerin duyarlılığı ve doğruluğu o kadar çok artmaktadır.
Bu yüzden seçim aşamasında ön örneklem büyük tutulmaya çalışılır.
4
X değişkenine ait gerekli bilgilerin tahmin edilmesinden sonra ikinci safhaya geçilir.
İkinci safhada, Y değişkeninin kitle ortalaması, birinci safhada elde edilen X yardımcı
değişkeninin bilgileri yardımıyla tahmin edilir. İkinci safhada Y değişkeninin tahmini
için bir örneklem seçilir. İkinci safhada seçilen örnekleme alt örneklem (sub-sample) denir ve s ile ifade edilir. Alt örneklem, ön örneklemden uygun bir örnekleme
yöntemiyle yerine konularak ya da konulmadan seçilir ve n ( )nn ′< birimden oluşur.
Bu durumda iki örneklem birbirine bağımlı olarak seçilmiş olur. Alt örneklemin
büyüklüğü de tahminlerin duyarlılığı ve doğruluğu bakımından çok önemlidir.
Örneklem seçimlerinde dikkat edilmesi gereken en önemli nokta örneklem
büyüklükleridir. Her iki örneklemin büyüklüğünün ne kadar olması gerektiği kararı
tahminlerin duyarlılıklarında önemli bir etki yaratacaktır. Alt örneklem büyüklüğü ön
örneklem büyüklüğünden fazla olmamalıdır. Ön örneklem ne kadar büyük olursa
tahminlerin duyarlılığı da o kadar fazla olacaktır. Bu yüzden gerek ön örneklemin
gerekse alt örneklemin seçilmesinde örneklemlerin büyüklüğü, örneklemlerin hangi
örnekleme yöntemiyle seçileceği ve hangi tahmin edicilerin kullanılacağı, tahminlerin
duyarlılığı ve doğruluğu açısından çok önemli olmaktadır. Bu çalışmada ön ve alt
örneklemler yerine konmadan basit rasgele örnekleme ile seçilecektir.
İki safhalı örnekleme yönteminde ön ve alt örneklem seçimi Şekil 2.1.’de gösterildiği
gibi olmaktadır.
5
Şekil 2.1. : İki Safhalı Örnekleme Yönteminde Örneklem Seçimi
İki safhalı örnekleme yönteminde, alt örneklemin ön örneklemden bağımsız olarak
seçildiği durum da söz konusudur. Bu durumda, ön örneklem ve alt örneklem kitleden
uygun bir örnekleme yöntemiyle yerine konularak ya da yerine konulmadan seçilir.
Dolayısıyla her iki örneklem de bağımsız olarak seçilir (Diana ve Tommasi, 2004).
Ancak bu durum çok yaygın olmayan bir durum ve ilk duruma göre uygulaması daha
zor ve daha masraflıdır. Bu yüzden iki safhalı örnekleme yönteminde, alt örneklemin
kitleden seçildiği durumda önerilen tahmin ediciler sınırlıdır.
İki safhalı örnekleme yöntemi ilk kez 1938 yılında Neyman tarafından uygulanmıştır
(Singh, 2003).
Mohanty(1967), oransal ve regresyon tahminlerini iç içe kullanarak zincirleme
regresyon tahmin edicileri önermiştir.
Chand(1975), oransal ve çarpımsal tahmin edicileri iç içe kullanarak çeşitli zincirleme
oransal tahmin ediciler önermiştir.
N
X ve Z değişkenleri gözlenir.
n ′ n
X,Y ve Z değişkenleri gözlenir
6
Kiregyera (1980, 1984) ,Chand’ın önermiş olduğu tahmin edicileri geliştirerek iç içe
oransal-regresyon ve regresyon-regresyon zincirleme tahmin ediciler önermiştir.
Singh, Singh ve Shukla (1994), iki safhalı örnekleme yönteminde Y kitle ortalaması
için bir tahmin edici ailesi önermişlerdir. Bu tahmin edici ailesinde iki yardım değişken
kullanılmıştır.
Singh ve Upadhyaya (1995; 2001), çeşitli zincirleme oransal tahmin ediciler
önermişlerdir. Searl (1964), Sisodia ve Dwivedi (1981), Singh ve Kahran (1993),
Upadhyaya ve Singh (1999) tahmin edicilerini geliştirerek iki safhalı örnekleme
yönteminde çeşitli oransal tahmin ediciler önermişlerdir.
Singh (2001), Singh ve Upadhyaya (1995, 2001) tahmin edicilerinde değişim
katsayısı yerine standart sapma bilgisini kullanarak yeni tahmin ediciler önermişlerdir
Prasad, Singh ve Singh (2002), Srivenkataramana ve Tracy (1980, 1981)’nin önerdiği
dönüşümü kullanarak alternatif bir zincirleme oransal tahmin edici önermişlerdir. Aynı
zamanda, Walsh (1970) ve Reddy (1974)’nin önerdikleri tahmin edicileri geliştirerek
yeni bir zincirleme tahmin edici daha önermişlerdir
Roy (2003), iki yardımcı değişken kullanarak yansız bir zincirleme regresyon tahmin
edicisi önermiştir.
Singh, Upadhyaya ve .Chandra (2004), iki safhalı örnekleme yönteminde Y kitle
ortalaması için üç tane tahmin edici ailesi önermişlerdir.
Singh ve Espejo(2007), Singh ve Espejo (2003) oransal-çarpımsal tahmin edicisini
geliştirerek yeni bir tahmin edici önermişlerdir.
Hartley ve Ross (1954), Srivastava, Srivastava ve Khare (1989), Srivenkataramana
ve Tracy (1989), Sahoo ve Sahoo (1993), Ahmed (1998), Upadhyaya ve Srivastava
7
(2001), Chandra ve Singh (2003), Diana ve Tommasi (2003, 2004) iki safhalı
örnekleme yönteminde tahmin ediciler öneren diğer araştırmacılardır.
Tezde, iki safhalı örnekleme yönteminde, kitle ortalamasının tahmininde kullanılan
tahmin ediciler tanıtılmış, bu tahmin edicilerin yanı ve hata kareler ortalamaları
hesaplanmıştır. Ayrıca, tahmin ediciler, uygun tahmin edicilerle karşılaştırılmış ve
hangi koşullar altında bu tahmin edicilerin daha etkin oldukları bulunmuştur.
Bu çalışmada iki safhalı örnekleme yönteminde, ön ve alt örneklemin eşit olasılıklı,
yerine konmadan basit rasgele örnekleme ile seçilmesi durumunda, kitle ortalaması
için geliştirilmiş tahmin ediciler incelenecektir ve bu tahmin ediciler etkinlik yönünden
karşılaştırılacaktır. Ayrıca uygun bir veri kümesi seçilerek, bu tahmin edicilerle ilgili
sayısal bir örnek yapılacaktır. Sayısal örnekte tahmin ediciler, etkinlik açısından
incelenecektir.
2.2. Bir Örneklemden Çeşitli Tahmin Ediciler
2.2.1. Basit tahmin
Sonlu büyüklükteki kitleden n büyüklüğünde herhangi yöntemle bir örneklem seçilsin.
N birimden oluşan sonlu bir kitledeki y kitle ortalaması tahmin edilmek istensin. y kitle
ortalaması için bilinen en klasik tahmin basit tahmin yöntemidir. Basit tahmin, tahmin
edilmek istenen değişkenin örneklem ortalaması şeklinde verilmektedir.
Y kitle ortalaması için basit tahmin,
n
yy
n
1ii∑
== (2.1)
şeklindedir.
8
2.2.2. Oransal tahmin
Sonlu büyüklükteki kitleden n büyüklüğünde herhangi yöntemle bir örneklem seçilsin.
Örneklem birimlerinin iki ölçümü xi ve yi ile gösterilebilir. Eğer i
iy
x oranı örneklem
biriminden örneklem birimine fazla değişkenlik göstermiyorsa, bunların örneklem
toplamları oranı da örneklem uzayının her bir noktasından diğer noktasına fazla bir
değişkenlik göstermez. İki değişken arasındaki ilişki başlangıç noktasından geçen bir
doğru denklemiyle gösterilebilir ise, bu durumda bu değişkenlerden biri yardımıyla
diğeri tahmin edilebilir. Böyle bir tahmin oransal tahmin adını alır. Burada, ortalaması
tahmin edilecek değişken Y, yardımcı değişken X olsun. Oransal tahminin
yapılabilmesi için yardımcı değişkene ait kitle ortalamasının bilinmesi gerekir. Eğer
bilinmiyor ise, kitle ortalaması iki safhalı örnekleme ile tahmin edilebilir. Oransal
tahmin iki değişken arasındaki ilişkinin pozitif olduğu durumda kullanılan bir tahmindir.
Eğer iki değişken arasındaki ilişki negatif ise çarpımsal tahmin kullanılır (Çıngı,1994).
Yardımcı değişken kitle ortalamasının bilindiği durumda, iki değişken arasındaki
ilişkinin pozitif ve negatif olduğu durumlarda oransal ve çarpımsal tahminler sırasıyla,
xXyyO = , (2.2)
XxyyÇ = (2.3)
şeklindedir.
Yardımcı değişken kitle ortalamasının bilinmediği, iki değişken arasındaki ilişkinin
pozitif ve negatif olduğu durumlarda oransal ve çarpımsal tahminler sırasıyla,
9
xXyySO = (2.4)
X
xyySÇ = (2.5)
şeklindedir.
Burada,
∑=
=n
1iiy
n1y Y değişkeninin örneklem ortalaması, (2.6)
∑=
=n
1iix
n1x X yardımcı değişkeninin örneklem ortalaması, (2.7)
∑=
=N
1iix
N1X X yardımcı değişkeninin kitle ortalaması, (2.8)
∑′
=′=
n
1iix
n1X X yardımcı değişkeninin kitle ortalamasının tahminidir. (2.9)
X tahmini, çeşitli tahmin ediciler ve çeşitli örnekleme yöntemleri kullanılarak en etkin
şekilde elde edilmeye çalışılır. Bu nedenle bu tahminin elde edileceği ön örneklemin
seçim yöntemi ve kullanılan tahmin edici çok önemlidir. Ön örneklemin seçimi basit
rastgele örnekleme, genişliğe orantılı olasılıklarla küme örneklemesi gibi çeşitli
örnekleme yöntemleri kullanılarak gerçekleştirilebilir. X tahmini, oransal, çarpımsal,
ve aşağıdaki bölümde anlatılacak olan regresyon tahmin edicilerle ve bu tahmin
edicilerin iç içe kullanıldığı tahmin edicilerle elde edilebilir.
10
X tahmini izleyen bölümlerde daha ayrıntılı şekilde verilecektir.
2.2.3. Doğrusal regresyon tahmini
Regresyon tahmin, xi ve yi arasındaki ilişki herhangi bir doğru denklemiyle
gösterilebilir ise, duyarlılığı artırabilmek için başvurulan bir yöntemdir. Yalnızca iki
değişkenin ilişkisinden yararlanılarak bir tahmin yapılırsa, bu tahmine doğrusal
regresyon tahmin; ikiden fazla değişkenin ilişkisinden yararlanılarak yapılan tahmine
de çoklu regresyon tahmin denilir.
N büyüklüğünde bir kitleden n büyüklüğündeki bir örneklem basit rastgele örnekleme
ile seçilsin. xi ve yi ile gösterilen iki değişken arasındaki ilişki, düzlem üzerinde bir
doğru ile temsil edilebiliyor ise, i-inci örneklem birimine göre bu doğrunun eğimi,
xxyyb
i
iyx −
−= (2.10)
olur. Burada, yi bağımlı, xi bağımsız değişken olarak alınmaktadır. Buna göre
doğrunun denklemi,
( )xxbyy iyxi −+= (2.11)
şeklinde elde edilir. Benzer şekilde yi ‘nin kitle ortalaması Y ’nin doğrusal regresyon
tahmini,
( )xXbyy yxdr −+= (2.12)
yapılabilir. Bu eşitlikte yxb , örneklemden en küçük kareler yöntemiyle tahmin edilen
regresyon katsayısı olup,
11
( )
( )( )∑
∑
=
=
−−
−= n
1iii
n
1i
2i
yx
yyxx
xxb (2.13)
şeklindedir (Çıngı, 1994).
2.3. Tahmin Edicinin İstenen Özellikleri
2.3.1 Tanım
N birimli bir kitleden n birimli k sayıda örneklem seçilsin. Seçilen örneklem ile tahmin
edilecek kitle parametresi θ olsun; kullanılacak tahmin edici θ ise, seçilecek
örnekleme bağlı olarak k adet farklı tahmin yapılabilecektir.
Örnek No Tahmin
1 1θ
2 2θ
3 3θ
. .
. .
k kθ
12
θ ’ ların beklenen değeri kitle parametresi θ ’ nın değerine eşit olacaktır.
( ) θθE = (2.14)
θ ’ ların varyansı,
( ) ( )[ ]2θEθEθVar −= (2.15)
şeklindedir.
Kitle parametresi θ ile θ ’ ların beklenen değeri birbirine eşit olmayabilir. Bu durumda
aradaki fark yan (bias) olarak adlandırılır.
Yan = ( ) θθE − (2.16)
şeklindedir.
Örnekleme hatası ise yandan farklı bir kavramdır ve tahmin edici ile kitle
parametresinin gerçek değeri arasındaki farktır.
Örnekleme Hatası = θθ − (2.17)
şeklindedir.
Farklı örneklemlerden tahmin edilebilecek θ ’ lar bir dağılım oluştururlar. Bu dağılım
için varyansa benzer bir ölçü kullanılmaktadır. Hata kareler ortalaması olarak
adlandırılan bu ölçü, θ ’ lar ile θ arasındaki farkların karelerinin beklenen değeridir.
Bu tanıma göre hata kareler ortalaması,
13
( ) ( )2θθEθHKO −= (2.18)
olarak ifade edilir. Eşitlik (2.18)’deki ifadeye ( )θE± eklenerek açılırsa,
( )[ ] ( )[ ]22θθEθEθEHKO −+−= (2.19)
bulunur. Eşitlik (2.19)’un sağ tarafındaki ilk ifade θ ’nın varyansına, ikinci ifade ise
yanın karesine eşittir.
( ) 2)yan(θVarHKO += (2.20)
Varyans aritmetik ortalama etrafındaki dağılımın, hata kareler ortalaması ise, kitle
parametresinin gerçek değeri etrafındaki dağılımının ölçüsüdür. Ancak yanın sıfır
olması durumunda,
( ) ( )θHKOθVar =
olacaktır.
Kitle parametresi θ ’nın tahmini için seçilecek n birimli örneklemden farklı tahmin
ediciler kullanılarak farklı tahminler yapılabilir. Burada önemli olan en iyi sonucu
verecek tahmin edicinin kullanılmasıdır.
En iyi tahmini sağlayacak tahmin edicinin bazı özellikleri taşıması gerekmektedir. Bu
özellikler şunlardır.
14
2.3.2. Yansızlık (Unbias )
Yan θ ’ nın beklenen değeri ile θ arasındaki fark olarak tanımlanmıştı. Buna göre
θ ’nın θ ’nın yansız tahmin edicisi olabilmesi için ( )θE ile θ arasındaki fark sıfır
olmalıdır. Diğer bir ifade ile
( ) θθE =
olmalıdır.
2.3.3. Etkinlik ( Efficiency )
Kitle parametresinin tahmini için birden fazla yansız tahmin edici belirlenebilir. Bu
durumda, bu tahmin edicilerden hangisinin kullanılması ile daha iyi tahmin
yapılabileceğini belirlemek için tahmin edicilerin varyansları belirlenir. Etkinlik, yansız
tahmin edicilerin varyansları ile ilgili bir kavramdır.
Bilindiği gibi, birden fazla serinin ortalamaları birbirine yakın veya eşitse dağılımların
birbirinden farkını ortaya koymak için bazı ölçüler hesaplanır. Bu ölçülerden en çok
kullanılanı varyanstır. Varyansı küçük olan seride aritmetik ortalama etrafında daha
yoğun bir dağılım olduğu anlaşılır. Burada, konu kitle parametresinin gerçek değerine
daha yakın tahminler elde etmek olduğuna göre, etkinliğin ölçüsü hata kareler
ortalamasıdır. Birden fazla yansız tahmin sözkonusu olduğunda, bunlardan hata
kareler ortalaması küçük olan tahmin edici kitle parametresinin gerçek değeri
etrafında daha yoğun bir dağılım gösterdiğinden, bu tahmin edicinin tercih edilmesini
gerektirmektedir. Hata kareler ortalamasının varyans ile yanın karesi toplamına eşit
olduğu hatırlanırsa, yansız tahmin ediciler söz konusu olduğundan hata kareler
ortalaması varyansa eşit olacaktır. Bu nedenle varyansı küçük olan tahmin edicinin
tercih edilmesi ile hata kareler ortalaması küçük olan tahmin edici tercih edilmiş olur.
15
Yapılan bu açıklamalar etkinlik için iki şart aranması gerektiğini ortaya koymaktadır.
1) θ , θ ’nın yansız tahmin edicisi ise,
2) ( ) ( )θVarθVar ≤ ise
θ , θ ’nın etkin tahmin edicisidir. Burada θ , kitle parametresi θ ’nın θ ’ten farklı diğer
yansız tahmin edicilerini ifade etmektedir.
Etkinlik ile ilgili olarak buraya kadar yapılan açıklamalar, etkinliğin göreli bir kavram
olduğunu ortaya koymaktadır. Ancak birden fazla tahmin edici olması durumunda
etkinlikten söz edilebilir ve varyansı küçük olan tahmin edicinin daha etkin olduğu
söylenebilir (Turanlı ve Güriş, 2000).
16
ÜÇÜNCÜ BÖLÜM
3. İKİ SAFHALI ÖRNEKLEME YÖNTEMİNDE ORANSAL TAHMİN EDİCİLER
3.1. İki Safhalı Klasik Oransal Tahmin Edici
N birimli sonlu bir kitleden yerine konmadan basit rastgele örnekleme ile n′ birimli
bir ön örneklem seçilsin. Bu ön örneklemde x değişkeninin kitle ortalaması tahmin
edilsin ( X ). Ön örneklemde x değişkeninin kitle ortalamasının tahmininde X
değişkeni ile ilişkili olan ikinci bir Z yardımcı değişkeni kullanılabilir. X ile Z
değişkeni arasındaki korelasyon katsayısı, X ile Y değişkeni arasındaki korelasyon
katsayısından küçük olacak şekilde Z ikinci yardımcı değişkeninin seçilmesi
gerekir. Daha sonra Y değişkenin kitle ortalamasının tahmini için ön
örneklemden n birimli bir alt örneklem daha seçilsin. Bu alt örneklemde Y, X ve Z
değişkenleri tahmin edilerek oransal tahmin yapılabilir.
Buna göre Y kitle ortalaması tahmini için iki safhalı klasik oransal tahmin edicisi
şu şekilde verilir:
xXyySO = ( 3.1 )
X tahmini ön örneklemden Bölüm (2.2)’de anlatılan yollarla tahmin edilerek çeşitli
zincirleme oransal tahminler elde edilebilir.
3.2. Basit Oransal Tahmin Edici
Ön örneklemde X değişkeninin kitle ortalaması basit yolla tahmin edilerek ( X )
Eşitlik (3.1) yerine konulur. Bu tahmin ediciye basit oransal tahmin edici adı verilir
ve BOy olarak gösterilir. Y kitle ortalaması tahmini için basit oransal tahmin edici,
xxyyBO′
= (3.2)
17
olarak verilir (Roy, 2003). Burada,
∑′
=′=′
n
1iix
n1x , X yardımcı değişkeninin ön örneklem ortalaması, (3.3)
x ve y sırasıyla x ve y değişkeni için alt örneklem ortalamalarıdır.
BOy tahmin edicisinin yanını ve hata kareler ortalamasını elde etmek için fark
yönteminden yararlanılır.
Fark Yöntemi
Fark yöntemi, doğrusal olmayan tahmin edicilerin yan ve hata karelerini bulmada
kullanılan bir yöntemdir. Bu yöntemde tahmin edici, örneklem değeri ile parametre
değerleri arasındaki farklardan yararlanarak yeniden oluşturulur.
Klasik basit oransal tahmini için fark yönteminde,
Y
Yye0−
= → ( )0e1Yy += ,
X
Xxe1−
= → ( )1e1Xx += ;
X
Xxe1−′
=′ → ( )1e1Xx ′+=′ (3.4)
şeklinde değerler tanımlanır. Tahmin edicideki değişken sayısı kadar fark terimleri
tanımlanır.
Bu değişkenlerin beklenen değerleri ( ){ }ieE , karelerinin beklenen değerleri ( ){ }i2eE
ve kovaryansları ( ){ }jieeE aşağıdaki şekildedir:
( ) ( ) ( ) 0eEeEeE 110 =′== (3.5)
18
( ) 2y1
2y12
220 CfSf
Y1
YYyEeE ==
−=
( ) 2x1
2x1
221 CfSf
X1
XXxEeE ==
−=
( ) 2x2
2x2
22
1 CfSfX1
XXxEeE ==
−′=′ (3.6)
( ) xyyx1yx110 CCρfSfXY1
XXx
YYyEeeE ==
−
−=
( ) xyyx2yx210 CCρfSfXY1
XXx
YYyEeeE ==
−′
−=′
( ) 2x2
2x211 CfSf
XX1
XXx
XXxEeeE ==
−′
−=′ . (3.7)
−=
N1
n1f1 : alt örneklem için örnekleme oranı
−
′=
N1
n1f2 : ön örneklem için örnekleme oranı (3.8)
( )( )
( ) ( )∑ ∑
∑
= =
=
−−
−−=
N
1i
N
1i
2i
2i
N
1iii
yx
YyXx
XxYyρ :X ile Y arasındaki kitle korelasyon katsayısı (3.9)
xyyxyx
yx CCρXY
SC == : X ile Y arasındaki kitle değişim katsayısı
YS
C yy = : Y değişkeni için değişim katsayısı,
19
X
SC xx = : X değişkeni için değişim katsayısı, (3.10)
BOy tahmin edicisi Eşitlik (3.4)’teki e’li terimler cinsinden yazılarak yeniden ifade
edilirse,
( ) ( )( )1
10BO e1X
e1Xe1Yy+
′++=
( )( )( ) 1110BO e1e1e1Yy −+′++= (3.11)
şeklinde elde edilir (Çıngı, 2004 Ders Notları) .
( ) 11e1 −+ İfadesi binom serisi açılımından bulunur. 1e1 < koşulu altında binom
serisi
( ) ∑=
−
=+
n
0i
iinn yxin
yx = n1n1nn ynn
xy1n
n...yx
1n
x0n
+
−
++
+
−− (3.12)
( )( )( ) ( ){ }
!i1in...2n1nn
!i!in!n
in −−−−
=−
=
(3.13)
olarak elde edilir (İnal ve Günay, 1978 ).
Eşitlik (3.14)’te x yerine 1, y yerine e, n yerine -1 yazılırsa ( ) 11e1 −+ terimi, 1e1 <
koşulu altında aşağıdaki gibi açılır :
( ) ...e41
e31
e21
e11
e01
ei1
e1 4320
0i
i1 +
−+
−+
−+
−+
−=
−=+ ∑
∞
=
−
( ) ...eeee1e1 4321 ++−+−=+ − (3.14)
Bu eşitlikte 2.dereceden sonraki e’li terimler ihmal edilirse,
20
( ) 211
11 ee1e1 +−≅+ − (3.15)
olarak elde edilir.
Eşitlik (3.15), Eşitlik (3.11)’te yerine konulup çarpımlar yapılırsa,
( )( )( )21110BO ee1e1e1Yy +−′++≅
[
]2110
110211
210
21111010110BO
eee
eeeeeeeeeeeeeeeee1Yy′+
′−′+++′−′+−′+−+= (3.16)
olarak bulunur.
Eşitlik (3.16)’da 2.dereceden sonraki e’li terimler ihmal edilirse,
[ ]21111010110BO eeeeeeeeee1Yy +′−′+−′+−+≅ (3.17)
olarak elde edilir.
BOy tahmin edicisinin yanı,
( ) ( )YyEyYan BOBO −=
( ) [ ]21111010110BO eeeeeeeeeeEYYyE +′−′+−′+−≅− (3.18)
olarak bulunur.
Eşitlik (3.18)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7) yerine konulursa, BOy tahmin
edicisinin yanı,
( ) [ ]2x1
2x2xyyx2xyyx1BO CfCfCCρfCCρfYyYan +−+−≅
( ) ( )[ ( ) ]2x21xyyx21BO CffCCρffYyYan −+−−=
21
( ) [ ]2x3xyyx3BO CfCCρfYyYan +−=
( )
−=
x
yyx
2x3BO C
Cρ1CfYyYan
( ) ( )yx2x3BO K1CfYyYan −≅ (3.19)
olarak elde edilir. Burada, ( )213 fff −= , x
yyxyx C
CρK = ‘ dir.
BOy tahmin edicisinin hata kareler ortalaması,
( ) ( )2BOBO YyEyHKO −=
( ) [ ]221111010110
2BO eeeeeeeeeeEYyHKO +′−′+−′+−= (3.20)
şeklindedir.
Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal edilirse hata
kareler ortalaması,
( ) [ ( )]1110102
121
20
2BO eeeeee2eeeEYyHKO ′−′+−+′++≅ (3.21)
olarak elde edilir.
Eşitlik (3.21)’de; Eşitlik (3.6) ve Eşitlik (3.7) yerine konulursa, BOy tahmin
edicisinin hata kareler ortalaması,
( ) [ ( )]2x2xyyx2xyyx1
2x2
2x1
2y1
2BO CfCCρfCCρf2CfCfCfYyHKO −+−+++≅
( ) [ ( ) ( ) ]xyyx212x21
2y1
2BO CCρff2CffCfYyHKO −−−+=
22
( )
−+=
x
yyx
2x3
2y1
2BO C
Cρ21CfCfYyHKO
( ) ( )[ ]yx2x3
2y1
2BO K21CfCfYyHKO −+≅ (3.22)
olarak elde edilir.
3.3. Srivastava Tahmin Edicisi
Srivastava (1970), klasik basit oransal tahmin ediciyi geliştirerek yeni bir tahmin
edici önermiştir . Y kitle ortalaması için önerilen tahmin edici:
α
s xxyy
′
= (3.23)
şeklindedir. Burada, α sabit bir katsayıdır.
sy tahmin edicisi Eşitlik (3.4)’teki e’li terimler cinsinden yazılarak yeniden ifade
edilirse,
( ) ( )( )
α
1
10s e1X
e1Xe1Yy
+′+
+=
( )( ) ( ) α1
α10s e1e1e1Yy −+′++= (3.24)
şeklinde elde edilir.
Bu eşitlikteki ifadeler Eşitlik (3.12)’den yararlanarak açılırsa,
( ) ( ) α1
211
α1 e...e
21ααeα1e1 ′++′−
+′+=′+ (3.25)
( ) ( ) α1
211
α1 e...e
21ααeα1e1 −− ++
−+−=+ (3.26)
23
olarak bulunur.
Eşitlik (3.25) ve Eşitlik (3.26)’da 2.dereceden sonraki e’li terimler ihmal edilirse
( ) ( ) 211
α1 e
21ααeα1e1 ′−
+′+≅′+ (3.27)
( ) ( ) 211
α1 e
21ααeα1e1 −
+−=+ − (3.28)
olarak elde edilir.
Eşitlik (3.27) ve Eşitlik (3.28), Eşitlik (3.24)’de yerine konulup çarpımlar yapılırsa
ve 2.dereceden e’li terimler ihmal edilirse,
( ) ( ) ( )
−
+−
′−
+′++≅ 211
2110s e
21ααeα1e
21ααeα1e1Yy
[
( ) ( )′−
+−
+
′−′+−′+−+≅
21
21
112
1010110s
e2
1ααe2
1ααeeαeeαeeαeαeαe1Yy
(3.29)
olarak elde edilir.
sy tahmin edicisinin yanı,
( ) ( )YyEyYan ss −=
( ) [
( ) ( )′−
+−
+
′−′+−′+−≅−
21
21
112
1010110s
e2
1ααe2
1ααeeαeeαeeαeαeαeEYYyE
(3.30)
olarak bulunur.
24
Eşitlik (3.30)’da; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7) yerine konulursa, sy tahmin
edicisinin yanı,
( ) [
( ) ( )−
+−
+
+−+−≅
2x2
2x1
2x2
2xyyx2xyyx1s
Cf2
1ααCf2
1αα
CfαCCρfαCCρfαYyYan
( ) ( )[ ( ) ( )
+−−+−−= 2
x212x
2
21xyyx21s C2αffC
2αffCCρffαYyYan
( ) ( ) +−
−= 2
x21x
yyx
2x3s C
2αff
CC
ρ2αCfαYyYan
( ) ( ) +−
−≅ 2
x21yx2x3s C
2αffK
2αCfαYyYan (3.31)
olarak elde edilir.
sy tahmin edicisinin hata kareler ortalaması,
( ) ( )2ss YyEyHKO −=
( ) [
( ) ( ) 22
121
112
1010110s
e2
1ααe2
1αα
eeαeeαeeαeαeαeEYyHKO
′−
+−
+
′−′+−′+−= (3.32)
şeklindedir.
Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal edilirse hata
kareler ortalaması,
( ) [ ( )]112
10102
122
122
02
s eeαeeαeeα2eαeαeEYyHKO ′−′+−+′++≅ (3.33)
25
olarak elde edilir.
Eşitlik (3.33)’de; Eşitlik (3.6) ve Eşitlik (3.7) yerine konulursa, sy tahmin edicisinin
hata kareler ortalaması,
( ) [ ( )]2x
22xyyx2xyyx1
2x
22
2x
21
2y1
2s CαfCCαρfCCαρf2CαfCαfCfYyHKO −+−+++=
( ) [ ( ) ( ) ]xyyx212x
221
2y1
2s CCραff2CαffCfYyHKO −−−+=
( )
−+=
x
yyx
2x3
2y1
2s C
Cρ2αCαfCfYyHKO
( ) ( )[ ]yx2x3
2y1
2s K2αCαfCfYyHKO −+≅ (3.34)
olarak elde edilir.
Önerilen tahmin edicide, α değerinin optimum değerinin bulunmasıyla hata kareler
ortalamasının minimum değeri bulunabilir. Bu minimum değer, HKO’sının optimum
değeri bulunmak istenen değere göre türevinin alınıp sıfıra eşitlenmesiyle bulunur.
( )[ ] ( ){ }[ ]0
αK2αCαfCfY
αyHKO yx
2x3
2y1
2s =
∂
−+∂=
∂∂
( )[ ]0CKf2Cαf2
αyHKO 2
xyx32x3
s =−=∂
∂ (3.35)
Eşitlik (3.35)’den,
0yx αKα == (3.36)
26
olarak bulunur.
0α değeri, Eşitlik (3.31)’de yerine konulursa sy tahmin edicisinin yanı,
( ) ( ) ( )[ ]1Kf1KfCKY21yYan yx1yx2
2xyxsmin +−−≅ (3.37)
olarak bulunur.
0α değeri, Eşitlik (3.34)’te yerine konulursa sy tahmin edicisinin hata kareler
ortalaması,
( ) [ ]2xyx
23
2y1
2smin CKfCfYyHKO −≅ (3.38)
olarak elde edilir.
3.4 Chand Tahmin Edicileri
Chand (1975), iki safhalı örnekleme yönteminde iki tahmin edici önermiştir.
Bunlardan biri zincirleme oransal tahmin edici ve diğeri zincirleme çarpımsal
tahmin edicidir
3.4 1. Chand tahmin edicisi-1
Chand (1975), iki yardımcı değişken kullanarak zincirleme oransal tahmin edici
önermiştir. Y kitle ortalaması için önerilen tahmin edici,
′′
= Zzx
xyy 1C (3.39)
şeklindedir.
Önerdiği tahmin edicide kitle ortalaması X ön örneklemden ikinci bir değişken
yardımıyla oransal yolla tahmin edilmiştir. x′ve z′ ön örneklem ortalamaları; y ve
27
x alt örneklem ortalamalarıdır. Z, ikinci yardımcı değişkenine ait kitle ortalaması
bilinmektedir.
1Cy tahmin edicisinde ikinci bir yardımcı değişken kullanıldığı için fark
yönteminden yararlanılarak Z değişkeni için yeni bir değer tanımlanır :
ZZze2
−′=′ → ( )2e1Zz ′+=′ (3.40)
( ) 0eE 2 =′ (3.41)
( ) 2z2
2z22
22
2 CfSfZ1
ZZzEeE ==
−′=′ (3.42)
( ) zyyz2yz220 CCρfSfZY
1Z
ZzY
YyEeeE ==
−′
−=′
( ) ( ) zxxz2xz22121 CCρfSfZX
1Z
ZzX
XxEeeEeeE ==
−′
−=′′=′ (3.43)
( )( )
( ) ( )∑ ∑
∑
= =
=
−−
−−=
N
1i
N
1i
2i
2i
N
1iii
yz
ZzYy
ZzYyρ :Y ile Z arasındaki kitle korelasyon katsayısı
( )( )
( ) ( )∑ ∑
∑
= =
=
−−
−−=
N
1i
N
1i
2i
2i
N
1iii
xz
ZzXx
ZzXxρ :X ile Z arasındaki kitle korelasyon katsayısı (3.44)
zxxzxz
xz CCρZX
SC == : X ile Z arasındaki kitle değişim katsayısı
Z
SC zz = : Z değişkeni için değişim katsayısı, (3.45)
28
1Cy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden yazılarak
yeniden ifade edilirse,
( )( )
( )( )
′+′+
++
= Ze1Ze1X
e1Xe1Y
y2
1
1
01C
( )( ) ( )( ) 121
1101C e1e1e1e1Yy −− ′+′+++= (3.46)
şeklinde elde edilir.
Bu eşitlikteki ifadeler Eşitlik (3.14)’ten yararlanarak açılırsa,
( ) ...eee1e1 32
222
12 +′−′+′−=′+ − (3.47)
olarak bulunur.
Eşitlik (3.47)’de 2.dereceden sonraki e’li terimler ihmal edilirse,
( ) .ee1e1 222
12 ′+′−≅′+ − (3.48)
olarak elde edilir.
Eşitlik (3.15) ve Eşitlik (3.48), Eşitlik (3.46)’da yerine konulup çarpımlar yapılırsa
ve 2.dereceden e’li terimler ihmal edilirse,
( )( )( )( )2221
21101C ee1e1ee1e1Yy ′+′−′++−+=
[
]22
21211121
20101021101C
eeeeeeeeeeeeeeeeee1Yy
′++′′−′−′+
′−′+−′−′+−+≅ (3.49)
olarak elde edilir.
1Cy tahmin edicisinin yanı,
29
( ) ( )YyEyYan 1C1C −=
( ) [
]22
21211121
20101021101C
eeeeeeeeeeeeeeeeeeEYYyE
′++′′−′−′+
′−′+−′−′+−≅− (3.50)
olarak bulunur.
Eşitlik (3.50)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43) yerine konulursa, 1Cy tahmin edicisinin yanı,
( ) []2
z22x1
zxxz22x2zxxz2zyyz2xyyx2xyyx11C
CfCf
CCρfCfCCρfCCρfCCρfCCρfYyYan
++
−−+−+−≅
( ) ( )( )[ ( )]zyyz2z2xyyx
2x211C CCρCfCCρCffYyYan −+−−=
( )
−+
−=
z
yyz
2z2
x
yyx
2x31C C
Cρ1Cf
CC
ρ1CfYyYan
( ) ( ) ( )[ ]yz2z2yx
2x31C K1CfK1CfYyYan −+−≅ (3.51)
olarak elde edilir. Burada x
yyxyx C
CρK = ,
z
yyzyz C
CρK = ‘dir.
1Cy tahmin edicisinin hata kareler ortalaması,
( ) ( )21C1C YyEyHKO −=
( ) []22
22121
112120101021102
1C
eeee
eeeeeeeeeeeeeeEYyHKO
′++′′−
′−′+′−′+−′−′+−≅ (3.52)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
30
( ) []212111
2010102
22
121
20
21C
ee2ee2ee2ee2ee2ee2eeeeEYyHKO
′′−′+′−
′−′+−′+′++≅ (3.53)
olarak elde edilir.
Eşitlik (3.53)’te; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43) yerine
konulursa, 1Cy tahmin edicisinin hata kareler ortalaması,
( ) [
]x2
2zyyz2
xyyx2xyyx12z2
2x2
2x1
2y1
21C
Cf2CCρf2
CCρf2CCρf2CfCfCfCfYyHKO
−−
+−+++≅
( ) ( )( ) ( )[ ]zyyz2z2xyyx
2x21
2y1
21C CCρ2CfCCρ2CffCfYyHKO −+−−+=
( )
−+
−+=
z
yyz
2z2
x
yyx
2x3
2y1
21C C
Cρ21Cf
CC
ρ21CfCfYyHKO
( ) ( ) ( )[ ]yz2z2yx
2x3
2y1
21C K21CfK21CfCfYyHKO −+−+≅ (3.54)
olarak elde edilir.
( ) ( )[ ]yx2x3
2y1
2BO K21CfCfYyHKO −+≅ olduğuna göre,
( ) ( ) ( )[ ]yz2z2
2BO1C K21CfYyHKOyHKO −+≅ (3.55)
olarak da ifade edilebilir.
3.4 2. Chand tahmin edicisi-2
Chand (1975), iki yardımcı değişken kullanarak zincirleme çarpımsal tahmin edici
önermiştir. Y kitle ortalaması için önerilen tahmin edici,
Zxzxy
Zzxxyy 2C ′
′=
′′
= (3.56)
31
şeklindedir. Önerdiği tahmin edicide X kitle ortalaması ön örneklemden ikinci bir
değişken yardımıyla çarpımsal yolla tahmin edilmiştir. x′ve z′ ön örneklem
ortalamaları; y ve x alt örneklem ortalamalarıdır. Z ikinci yardımcı değişkenine ait
kitle ortalaması bilinmektedir.
2Cy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden yazılarak
yeniden ifade edilirse,
( ) ( ) ( )( ) Z
1e1X
e1Ze1Xe1Yy1
2102C
′+
′+++=
( )( )( ) ( )21
1102C e1e1e1e1Yy ′+′+++= − (3.57)
şeklinde elde edilir.
Bu eşitlikteki ( ) 11e1 −′+ ifadesi eşitlik (3.14)’ten yararlanarak açılırsa,
( ) ...eee1e1 31
211
11 +′−′+′−=′+ − (3.58)
olarak bulunur.
Eşitlik (3.58)’de 2.dereceden sonraki e’li terimler ihmal edilirse
( ) 211
11 ee1e1 ′+′−=′+ − (3.59)
olarak elde edilir.
Eşitlik (3,59), Eşitlik (3.57)’de yerine konulup çarpımlar yapılırsa ve 2.dereceden
e’li terimler ihmal edilirse,
( )( )( )( )212
1102C e1e1ee1e1Yy ′++′+′−+=
[ ]21112021102C eeeeeeeee1Yy ′+′−′+′+′−++≅ (3.60)
32
olarak elde edilir.
2Cy tahmin edicisinin yanı,
( ) ( )YyEyYan 2C2C −=
( ) [ ]21112021102C eeeeeeeeeEYyYan ′+′−′+′+′−+≅ (3.61)
olarak bulunur.
Eşitlik (3.61)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43) yerine konulursa, 2Cy tahmin edicisinin yanı,
( ) [ ]2x1
2x2zyyz22C CfCfCCρfYyYan +−−≅
( )
−=
z
yyz
2z22C C
CρCfYyYan
( ) yz2z22C KCfYyYan −≅ (3.62)
olarak elde edilir. Burada, z
yyzyz C
CρK = ‘dir.
2Cy tahmin edicisinin hata kareler ortalaması,
( ) ( )22C2C YyEyHKO −=
( ) [ ]221112021102C eeeeeeeeeEYyHKO ′+′−′+′+′−+≅ (3.63)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
33
( ) []212111
2010102
22
121
20
22C
ee2ee2ee2ee2ee2ee2eeeeEYyHKO
′′−′+′−
′+′−+′+′++≅ (3.64)
olarak elde edilir.
Eşitlik (3.64)’te; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43) yerine
konulursa, 2Cy tahmin edicisinin hata kareler ortalaması,
( ) [
]x2
2zyyz2
xyyx2xyyx12z2
2x2
2x1
2y1
22C
Cf2CCρf2
CCρf2CCρf2CfCfCfCfYyHKO
−+
−++++≅
( ) ( )( ) ( )[ ]zyyz2z2xyyx
2x21
2y1
22C CCρ2CfCCρ2CffCfYyHKO +++−+=
( )
++
++=
z
yyz
2z2
x
yyx
2x3
2y1
22C C
Cρ21Cf
CC
ρ21CfCfYyHKO
( ) ( ) ( )[ ]yz2z2yx
2x3
2y1
22C K21CfK21CfCfYyHKO ++++≅ (3.65)
olarak elde edilir.
3.5. Kiregyera Oransal Tahmin Edicisi
Kiregyera (1980), iki yardımcı değişken kullanarak zincirleme oransal tahmin edici
önermiştir.
Y kitle ortalaması için önerilen Kiregyera tahmin edicisi,
( )[ ]zZbxxyy xzK ′−+′= (3.66)
şeklindedir. Önerdiği bu tahmin edicide Y kitle ortalaması, X kitle ortalaması
tahmini yerine konularak oransal yolla tahmin edilmiştir. X kitle ortalaması ön
örneklemden ikinci bir değişken yardımıyla regresyon yolla tahmin edilmiştir.
34
x′ve z′ ,ön örneklem ortalamaları; y ve x alt örneklem ortalamalarıdır. xzb , X ile Z
arasındaki örneklem regresyon katsayısıdır Z ikinci yardımcı değişkenine ait kitle
ortalaması bilinmektedir.
Tahmin edicinin yan ve hata kareler ortalaması hesaplanırken örneklem regresyon
katsayısı xzb , kitle regresyon katsayısı xzβ olarak alınır.
( )( )
( )∑
∑
=
=
−
−−= N
1i
2i
N
1iii
xz
Zz
ZzXxβ , X ile Z arasındaki kitle regresyon katsayısı (3.67)
Ky tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden yazılarak
yeniden ifade edilirse,
( )( ) ( ) ( )}{[ ]2xz1
1
0K e1ZZβe1X
e1Xe1Yy ′+−+′+
++
= (3.68)
şeklinde elde edilir.
xzβ tahmin edicide xzρ cinsinden yazılmak istenirse:
2z
xzxz S
Sβ = , zx
xzxz SS
Sρ =
zxxz2xxz SSρSβ = →
z
xxzxz S
Sρβ = (3.69)
şeklindedir. Burada; xzβ , xzK cinsinden yazılırsa,
z
xxzxz C
CρK = ⇒ZXKβ xzxz = (3.70)
şeklinde elde edilir.
35
xzβ , Eşitlik (3.68)‘de yerine konulursa,
( )( )
′−′+++= −2xz1
110K e
ZXKe1e1e1Yy
Eşitlik (3.15), Eşitlik (3.68)’de yerine konulup çarpımlar yapılırsa ve 2.dereceden
e’li terimler ihmal edilirse,
[ ]2121xz20xz1110102xz110K eeeKeeKeeeeeeeKeee1Yy +′−′−′−−′+′−′+−+≅ (3.71)
olarak elde edilir.
Ky tahmin edicisinin yanı,
( ) ( )YyEyYan KK −=
( ) []2
121xz20xz
1110102xz110K
eeeKeeK
eeeeeeeKeeeEYyYan
+′−′−
′−−′+′−′+−≅ (3.72)
olarak bulunur.
Eşitlik (3.72)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42)
ve Eşitlik (3.43) yerine konulursa, 1Ky tahmin edicisinin yanı,
( ) []x
21zxxz2xz
zyyz2xzx2
2xyyx1xyyx2K
CfCCρfK
CCρfKCfCCρfCCρfYyYan
++
−−−≅
( ) ( )( )
+−−−=
z
xxz
z
yyzxz
2z2xyyx
2x21K C
CρCC
ρKCfCCρCffYyYan
( )
+−
−=
z
xxz
z
yyzxz
2z2
x
yyx
2x3K C
CρCC
ρKCfCC
ρ1CfYyYan
36
( ) ( ) ( )][ yzxzxz2z2yxx
23K KKKCfK1CfYyYan −−−≅ (3.73)
olarak elde edilir.
Burada, x
yyxyx C
CρK = ,
z
yyzyz C
CρK = ,
z
xxzxz C
CρK = ’ dir.
Ky tahmin edicisinin hata kareler ortalaması,
( ) ( )2KK YyEyHKO −=
( ) []22
121xz20xz
1110102xz1102
K
eeeKeeK
eeeeeeeKeeeEYyHKO
+′−′−
′−−′+′−′+−≅ (3.74)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) [( )]21xz21xz20xz
11101022
2xz
21
21
20
2K
eeKeeKeeK2ee2ee2ee2eKeeeEYyHKO
′′−′+′−+
′−′+−+′++≅ (3.75)
olarak bulunur.
Eşitlik (3.75)’te; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43) yerine
konulursa, Ky tahmin edicisinin hata kareler ortalaması,
( ) []x
22zyyzxz2xyyx2
xyyx12z
2xz2
2x2
2x1
2y1
2K
Cf2CCρKf2CCρf2
CCρf2CKfCfCfCfYyHKO
−−+
−+++≅
( ) ( )( ) ( )][ zyyz2zxzxz2xyyx
2x21
2y1
2K CCρ2CKKfCCρ2CffCfYyHKO −+−−+=
( )
−+
−+=
z
yyzxz
2zxz2
x
yyx
2x3
2y1
2K C
Cρ2KCKf
CC
ρ21CfCfYyHKO
37
( ) ( ) ( )[ ]yzxz2zxz2yx
2x3
2y1
2K K2KCKfK21CfCfYyHKO −+−+= (3.76)
olarak elde edilir.
( ) ( )[ ]yx2x3
2y1
2BO K21CfCfYyHKO −+≅ olduğuna göre,
( ) ( ) ( )yzxzxz2z2
2BOK K2KKCfYyHKOyHKO −+≅ (3.77)
olarak da ifade edilebilir.
3.6. Upadhyaya tahmin edicisi
Upadhyaya (1990), iki yardımcı değişken kullanarak zincirleme oransal tahmin
edici önermiştir. Y kitle ortalaması için önerilen Upadhyaya tahmin edicisi,
( )[ ]( )
′−+′
′−+′=
xxbyxx
zZbxyy
yx
xzU (3.78)
şeklindedir. Önerdiği tahmin edicide, X kitle ortalaması ön örneklemden ikinci bir
değişken yardımıyla regresyon yoluyla tahmin edilmiştir. Z ikinci yardımcı
değişkenine ait kitle ortalaması bilinmektedir. xzb ve yxb örneklem regresyon
katsayılarıdır.
Tahmin edicinin yan ve hata kareler ortalamasını hesaplarken örneklem regresyon
katsayısı xzb ve yxb , sırasıyla kitle regresyon katsayısı xzβ ve yxβ olarak alınır.
Uy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden yazılarak
yeniden ifade edilirse,
( ) ( )[ ]( ) ( )
( ) ( )
′−
++
+′+
′−′++=
11yx0
11
2xz10U
eeXβe1Ye1Xe1X
eZβe1Xe1Yy
38
XYKβ yxyx = ,
ZXKβ xzxz = olmak üzere,
( )( )
( ) ( )( ) ( )
′−
++
+′+
′−′+
+=
11yx0
11
2xz1
0U
eeXXYK
e1Ye1Xe1X
eZZXKe1X
e1Yy
( ) ( )( )( ) ( )[ ]111
1011
2310U eeKe1e1e1X
eKe1Xe1Yy′−+++′+
′−′++=
−
( )( )( )( ) ( )[ ]11yx
1011
2xz10U eeKe1e1e1
eKe1e1Yy
′−+++′+
′−′++=
−
( )( ) ( )( ) ( )[ ] 1
111
01yx12xz10U eee1e1Ke1eKe1e1Yy−− ′−+++′+′−′+−= (3.79)
şeklinde elde edilir.
Eşitlik (3.79)’daki köşeli parantezdeki ifade, Eşitlik (3.14)’ten yararlanarak
açılırsa ve 2.dereceden sonraki e’li terimler ihmal edilirse,
( )( ) ( )[ ] ([)
( )]112
121
2yx
21
2111101
21101yx1
1
111
01yx1
ee2eeKee2ee3eee
eeeeKe1eee1e1Ke1
′−′++′+
′+′−′+′−
+−−′−≅′−+++′+−−
(3.80)
olarak elde edilir.
Eşitlik (3.79)’da Eşitlik (3.80) konulup çarpımlar yapılırsa ve 2.dereceden e’li
terimler ihmal edilirse,
( )( ){ ([ )( )}]11
21
21
2yx
21
2111101
21101yx12xz10U
ee2eeKe
e2ee3eeeeeeeKe1eKe1e1Yy
′−′++′+
′+′−′+′−+−−′−′−′+−=
39
( )[( ) ( )]2
121yx
21
21
2yx
20xz21xz2xz11yx0U
eeKeeK
eeKeeKeKeeKe1Yy
′−−′−+
′−′′+′−′−−+≅ (3.81)
olarak elde edilir.
Uy tahmin edicisinin yanı,
( ) ( )YyEyYan UU −=
( ) ( )[( ) ( )]2
121yx
21
21
2yx
20xz21xz2xz11yx0U
eeKeeK
eeKeeKeKeeKeEYyYan
′−−′−+
′−′′+′−′−−≅ (3.82)
olarak bulunur.
Eşitlik (3.82)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43) yerine konulursa, Uy tahmin edicisinin yanı,
( ) ( ) ( )[ ]2x2
2x1yx
2x2
2x1
2yxzyyz2xzzxxz2xzU CfCfKCfCfKCCρfKCCρfKYyYan −−−+−≅
( ) ( ) ( )[ ]yzxzxz2z2yxyx
2x3U KKKCf1KKCfYyYan −+−≅ (3.83)
olarak bulunur.
Uy tahmin edicisinin hata kareler ortalaması,
( ) ( )2UU YyEyHKO −=
( ) ( )[( ) ( )]22
121yx
21
21
2yx20xz
21xz2xz11yx02
U
eeKeeKeeK
eeKeKeeKeEYyHKO
′−−′−+′−
′′+′−′−−≅ (3.84)
40
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) ( )[ ( )( ) ( )]2121xzyx20
22xzxz
1010yx112
121
2yx
20
2U
eeeeKK2ee2eKK
eeeeK2ee2eeKeEYyHKO
′′−′+′−′+
′−−′−′++≅ (3.85)
olarak elde edilir.
Eşitlik (3.85)’te; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.8), Eşitlik (3.42), Eşitlik (3.43)
yerine konulursa, Uy tahmin edicisinin hata kareler ortalaması,
( ) ( ) ( )[( ) )( ]zxxz2zxxz2xzyxzyyz2
2z2xzxz
xyyx2xyyx1yx2x2
2x2
2x1
2yx
2y1
2U
CCρfCCρfKK2CCρf2CfKK
CCρfCCρfK2Cf2CfCfKCfYyHKO
−+−+
−−−++≅
( ) ( ) ( )
−+
−−−+≅
z
yyzxz
2z2xz
x
yyx21yx
2x21
2yx
2y1
2U
CC
ρ2KCfK
CC
ρffK2CffKCfYyHKO
( ) [ ( )]yzxz2z2xzyx3yx
2x3
2yx
2y1
2U K2KCfKKfK2CfKCfYyHKO −+−+≅
( ) [ ( )]yzxz2zxz2
2x
2yx3
2y1
2U K2KCKfCKfCfYyHKO −+−≅ (3.86)
olarak elde edilir.
3.7. Singh ve Upadhyaya Tahmin Edicileri
Singh ve Upadhyaya (1995, 2001), çeşitli zincirleme oransal tahmin ediciler
önermişlerdir. Searl(1964), Sisodia ve Dwivedi(1981), Singh ve Kahran(1993),
Upadhyaya ve Singh (1999) tahmin edicilerini geliştirerek zincirleme örnekleme
yönteminde çeşitli oransal tahmin ediciler önermişlerdir (Singh, 2001).
41
3.7.1. Singh ve Upadhyaya tahmin edicisi-1
Singh ve Upadhyaya (1995), Sisodia ve Dwivedi(1981) tahmin edicisini geliştirerek
yeni bir tahmin edici önermişlerdir.
Sisodia ve Dwivedi (1981) tahmin edicisi,
++
=x
xSD Cx
CXyy (3.87)
şeklindedir
Y kitle ortalaması için önerilen tahmin edici,
+′+′=
z
z1su Cz
CZxxyy (3.88)
şeklindedir .
Önerdikleri bu tahmin edicide, X kitle ortalaması, Z yardımcı değişkeni yardımıyla
Eşitlik (3.87) kullanılarak tahmin edilmiştir. Y kitle ortalaması kitle ortalaması
tahmini X yerine konularak oransal yolla tahmin edilmiştir. Z ikinci yardımcı
değişkenine ait kitle ortalaması bilinmektedir. zC , Z değişkeninin değişim
katsayısıdır.
1suy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden
yazılarak yeniden ifade edilirse,
( ) ( )( ) ( )
+′++
+
′++=
z2
z
1
101su Ce1Z
CZe1X
e1Xe1Yy
( )( )( )
+′++
+′++= −
z2
z11101su CeZZ
CZe1e1e1Yy
42
( )( )( )1
z
z211101su CZ
CeZZe1e1e1Yy−
−
++′+
+′++=
( )( )( )1
z
2
z
z11101su CZ
eZCZCZe1e1e1Yy
−−
+′
+++
+′++=
şeklinde elde edilir.
zCZZθ+
= olmak üzere,
( )( )( ) ( ) 12
11101us eθ1e1e1e1Yy −− ′++′++= (3.89)
olarak bulunur.
Bu eşitlikteki ( ) 12eθ1 −′+ ifadesi, eşitlik (3.14)’ten yararlanarak açılırsa ve
2.dereceden sonraki e’li terimler ihmal edilirse,
( ) 222
12 eθeθ1eθ1 ′+′−=′+ − (3.90)
olarak bulunur.
Eşitlik (3.89)’da, Eşitlik (3.15) ve Eşitlik (3.90) yerine konulup çarpımlar yapılırsa
ve 2.dereceden e’li terimler ihmal edilirse,
( )( )( )( )22
22
211101su eθeθ1ee1e1e1Yy ′+′−+−′++≅
[( )]2
22121202
211110110101su
eeeeeeeeθeeeeeeeeee1Yy
′−′′+′−′+′−
+′−−−′+′++≅ (3.91)
olarak elde edilir.
1suy tahmin edicisinin yanı,
43
( ) ( )YyEyYan 1su1su −=
( ) [( )]2
22121202
211110110101su
eeeeeeeeθeeeeeeeeeeEYyYan
′−′′+′−′+′−
+′−−−′+′+≅ (3.92)
olarak bulunur.
Eşitlik (3.92)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43) yerine konulursa, 1suy tahmin edicisinin yanı,
( ) [( )]2
z2zxxz2zxxz2zyyz2
2x1
2x2xyyx1xyyx21su
CfCCρfCCρfCCρfθ
CfCfCCρfCCρfYyYan
−+−−
+−−≅
( ) ( )( ) ( )[ ]zyyz2z2xyyx
2x211su CCρCfθCCρCffYyYan +−−−=
( )
+−
−=
z
yyz
2z2
x
yyx
2x31su C
Cρ1Cfθ
CC
ρ1CfYyYan
( ) ( ) ( )[ ]yz2z2yx
2x31su K1CfθK1CfYyYan +−−≅ (3.93)
olarak elde edilir.
1suy tahmin edicisinin hata kareler ortalaması,
( ) ( )21su1su YyEyHKO −=
( ) [( )]22
22121202
211110110101su
eeeeeeeeθ
eeeeeeeeeeEYyHKO
′−′′+′−′+′−
+′−−−′+′+≅ (3.94)
44
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) [ ( ){ ( )]212120
22
11101021
21
20
21su
eeeeee2eθθeeeeee2eeeEYyHKO
′−′′+′−′+
′−−′++′+≅ (3.95)
olarak bulunur.
Eşitlik (3.95)’te; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.8), Eşitlik (3.42), Eşitlik (3.43)
yerine konulursa, 1suy tahmin edicisinin hata kareler ortalaması,
( ) [ ( ){ ( )]zxxz2zxxz2zyyz2
2z2
2x2xyyx1xyyx2
2x1
2x2
2y1
21su
CCρfCCρfCCρf2Cfθθ
CfCCρfCCρf2CfCfCfYyHKO
−+−+
−−+++≅
( ) ( ) ( )
−+
−−−+=
z
yyz
2z2
x
yyx
2x21
2x21
2y1
21su C
Cρ2θCfθ
CC
ρCff2CffCfYyHKO
( ) ( ) ( )[ ]yz2z2yx
2x3
2y1
21su K2θCfθK21CfCfYyHKO −+−+≅ (3.96)
olarak elde edilir.
3.7.2. Singh ve Upadhyaya tahmin edicisi-2
Singh ve Upadhyaya (2001), Searl (1964)’ün yöntemini kullanarak yeni bir
zincirleme oransal tahmin edici önermiştir.
Searl(1964) Tahmin Edicisi,
xkx* ′= (3.97)
şeklindedir.
Burada, ( )2x2Cf1
1k+
= ’dir
45
Y kitle ortalaması için önerilen tahmin edici,
*2su x
xyy =
x1Cf
1xyy 2
x22us ′
+
= (3.98)
şeklindedir
Önerdikleri bu tahmin edicide, X kitle ortalaması, Eşitlik(3.97) kullanılarak tahmin
edilmiştir. Y kitle ortalaması, kitle ortalaması tahmini X yerine konularak oransal
yolla tahmin edilmiştir. xC , X değişkeninin değişim katsayısıdır.
2suy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden
yazılarak yeniden ifade edilirse,
( )( ) ( )11
102su e1e1e1kYy ′+++= − (3.99)
şeklinde olur.
Eşitlik (3.99)’da, Eşitlik (3.15) yerine konulup çarpımlar yapılırsa ve 2.dereceden
e’li terimler ihmal edilirse,
( )211110101102su eeeeeeeeeekYkYy +′−−+′+−+≅ (3.100)
olarak elde edilir.
2usy tahmin edicisinin yanı,
( ) ( )YyEyYan 2su2su −=
( ) ( ) ( )[ ]1keeeeeeeeeekEYyYan 211110101102su −++′−−+′+−≅ (3.101)
46
olarak bulunur.
Eşitlik (3.101)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43) yerine konulursa, 2suy tahmin edicisinin yanı,
( ) ( )[ ]1kCCρfCCρfCfCfYyYan xyyx2xyyx12x2
2x12su −+−+−≅
( ) ( ) ( )[ ]1kCCρCkfYyYan xyyx2x32su −+−=
( ) ( )
−+
−= 1k
CC
ρ21CkfYyYanx
yyx
2x32su
( ) ( ) ( )[ ]1kK21CkfYyYan yx2x32su −+−≅ (3.102)
olarak elde edilir.
2suy tahmin edicisinin hata kareler ortalaması,
( ) ( )22su2su YyEyHKO −=
( ) ( ) ( )[ ]221111010110
22su 1keeeeeeeeeekYyHKO −++′−−+′+−≅ (3.103)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) ( ) ( )[( )( )]2
1111010110
2111010
21
21
20
222su
eeeeeeeeee1kk21kee2ee2ee2eeekEYyHKO
+′−′+−′+−−+
−+′−′+−′++≅ (3.104)
olarak bulunur.
Eşitlik (3.104)’te; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.8), Eşitlik (3.42), Eşitlik (3.43)
yerine konulursa, 2suy tahmin edicisinin hata kareler ortalaması,
47
( ) ( )[( ) ( )( )]2
x12x2xyyx2xyyx1
2
2x2xyyx2xyyx1
2x2
2x1
2y1
222su
CfCfCCρfCCρf1kk21k
Cf2CCρf2CCρf2CfCfCfkYyHKO
+−+−−+−+
−+−++≅
( ) ( )( ){ } ( )[( )( )( )]xyyx
2x21
22y1xyyx
2x21
222su
CCρCff1kk2
1kCfCCρ2CffkYyHKO
−−−+
−++−−=
( ) ( ) ( )
−−+−+
+
−=
x
yyx
2x3
22y1
x
yyx
2x3
222su C
Cρ1Cf1kk21kCf
CC
ρ21CfkYyHKO
( ) ( ){ } ( ) ( ) ( )[ ]yx2x3
22y1yx
2x3
222su K1Cf1kk21kCfK21CfkYyHKO −−+−++−≅ (3.105)
olarak elde edilir.
3.7.3. Singh ve Upadhyaya tahmin edicisi-3
Singh ve Upadhyaya (2001), kendi önerdikleri tahmin edicileri geliştirerek yeni bir
karışık zincirleme oransal tahmin edici önermişlerdir.
Upadhyaya ve Singh (1999) tahmin edicisi,
( )( )
++
=x2
x21us Cxxβ
CXxβyy (3.106)
şeklindedir
Y kitle ortalaması için önerilen tahmin edici,
( )( )
+′+′=
z2
z23su Czzβ
CZzβxxyy (3.107)
şeklindedir .
48
Önerdikleri bu tahmin edicide, X kitle ortalaması, Z yardımcı değişkeni yardımıyla
Eşitlik (3.106) kullanılarak tahmin edilmiştir. Z ikinci yardımcı değişkenine ait kitle
ortalaması bilinmektedir. Y kitle ortalaması X kitle ortalaması tahmini yerine
konularak oransal yolla tahmin edilmiştir. zC , Z eğişkeninin değişim katsayısıdır,
( )zβ2 Z değişkeninin basıklık katsayısıdır.
3suy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden
yazılarak yeniden ifade edilirse,
( )( ) ( ) ( )
( ) ( )
+′++′+
++
=z22
z21
1
03su Ce1Zzβ
CZzβe1Xe1Xe1Yy
( )( ) ( ) ( ) ( )( )
1
z2
z221
1103su CZzβ
Ce1Zzβe1e1e1Yy−
−
++′+′+++=
( )( ) ( ) ( )( )
( )( )
1
z2
22
z2
z21
1103su CZzβ
eZzβCZzβCZzβe1e1e1Yy
−−
+′
+++′+++=
( )( ) ( ) ( )( )
1
z2
221
1103su CZzβ
eZzβ1e1e1e1Yy−
−
+′
+′+++=
şeklinde bulunur.
( )( ) 1
z2
2 θCZzβ
Zzβ=
+ olmak üzere,
( )( ) ( )( ) 1211
1103su eθ1e1e1e1Yy −− ′+′+++= (3.108)
olarak elde edilir.
Bu eşitlikteki ( ) 121eθ1 −′+ ifadesi, Eşitlik (3.14)’ten yararlanarak açılırsa ve
2.dereceden sonraki e’li terimler ihmal edilirse,
49
( ) 22121
121 eθeθ1eθ1 ′+′−=′+ − (3.109)
olarak bulunur.
Eşitlik (3.108)’de, Eşitlik (3.15), Eşitlik (3.109) yerine konulup çarpımlar yapılırsa
ve 2.dereceden e’li terimler ihmal edilirse,
( )( )( )( )22
21211
21103su eθeθ1e1ee1e1Yy ′+′−′++−+≅
[]201211211
21101111002113su
eeθeeθeeθeθeeeeeeeeeeYy
′−′′+′+
′−′+′−′+−++−≅ (3.110)
olarak elde edilir.
3suy tahmin edicisinin yanı,
( ) ( )YyEyYan 3su3su −=
( ) []201211211
21101111002113su
eeθeeθeeθeθeeeeeeeeeeEYyYan
′−′′+′+
′−′+′−′+−++−≅ (3.111)
olarak bulunur.
Eşitlik (3.111)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.43)
yerine konulursa, 3suy tahmin edicisinin yanı,
( ) []zyyz21zxxz21
zxxz21xyyx22x2xyyx1
2x13su
CCρfθCCρfθCCρfθCCρfCfCCρfCfEYyYan
−−
++−−≅
( ) ( )
−
−−=
z
yyz
2z21
x
yyx
2x213su C
CρCfθ
CC
ρ1CffEYyYan
( ) ( )[ ]yz2z21yx
2x33su KCfθK1CfYyYan −−≅ (3.112)
50
olarak elde edilir.
3usy tahmin edicisinin hata kareler ortalaması,
( ) ( )23su3su YyEyHKO −=
( ) []220121121121
10111100211
23su
eeθeeθeeθeθ
eeeeeeeeeeYyHKO
′−′′+′+′−
′+′−′+−++−≅ (3.113)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) []21120110
21111102
221
21
20
21
23su
eeθ2eeθ2ee2eeθ2ee2ee2eθeeeEYyHKO
′′−′−′+
′+′−−′+′++≅ (3.114)
olarak bulunur.
Eşitlik (3.114)’te; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.8), Eşitlik (3.42), Eşitlik (3.43)
yerine konulursa, 3suy tahmin edicisinin hata kareler ortalaması,
( ) []zxxz21zyyz21xyyx2
zxxz212x2xyyx1
2z2
21
2x2
2y1
2x1
23su
CCρfθ2CCρfθ2CCρf2CCρfθ2Cf2CCρf2CfθCfCfCfYyHKO
−−+
+−−+++≅
( ) ( )
−+
−−+≅
z
yyz1
2z21
x
yyx
2x21
2y1
23su C
Cρ2θCfθ
CC
ρ21CffCfYyHKO
( ) ( ) ( )[ ]yz12z21yx
2x3
2y1
23su K2θCfθK21CfCfYyHKO −+−+≅ (3.115)
olarak elde edilir.
51
3.7.4. Singh ve Upadhyaya tahmin edicisi-4
Upadhyaya ve Singh (1999) diğer tahmin edicisi,
( )( )
++
=xβCxxβCXyy
2x
2x2us (3.116)
şeklindedir .
Y kitle ortalaması için önerilen tahmin edici,
( )( )
+′+′=
zβzCzβZCx
xyy
2z
2z4su (3.117)
şeklindedir
Önerdikleri bu tahmin edicide, X kitle ortalaması, Z yardımcı değişkeni yardımıyla
Eşitlik (3.116) kullanılarak tahmin edilmiştir. Y kitle ortalaması, X kitle ortalaması
tahmini yerine konularak oransal yolla tahmin edilmiştir. Z ikinci yardımcı
değişkenine ait kitle ortalaması bilinmektedir. zC , z değişkeninin değişim
katsayısıdır, ( )zβ2 z değişkeninin basıklık katsayısıdır.
4suy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden
yazılarak yeniden ifade edilirse,
( )( ) ( ) ( )
( ) ( )
+′++′+
++
=zβe1ZC
zβZCe1Xe1Xe1Y
y22z
2z1
1
04su
( )( ) ( ) ( ) ( )( )
1
2z
22z1
1104su zβZC
zβe1ZCe1e1e1Yy−
−
++′+′+++=
( )( ) ( ) ( )( ) ( )
1
2z
2z
2z
2z1
1104su zβZC
eZCzβZCzβZCe1e1e1Yy
−−
+′
+++′+++=
52
( )( ) ( ) ( )
1
2z
2z1
1104su zβZC
eZC1e1e1e1Yy−
−
+′
+′+++= (3.118)
şeklinde bulunur.
( ) 22z
z θzβZC
ZC=
+ olmak üzere,
( )( ) ( )( ) 1221
1104su eθ1e1e1e1Yy −− ′+′+++= (3.119)
olarak bulunur.
Bu eşitlikteki ( ) 122eθ1 −′+ ifadesi, eşitlik (3.14)’ten yararlanarak açılırsa ve
2.dereceden sonraki e’li terimler ihmal edilirse,
( ) 22222
122 eθeθ1eθ1 ′+′−=′+ − (3.120)
olarak bulunur.
Eşitlik (3.119)’da, Eşitlik(3.15), Eşitlik(3.120) yerine konulup çarpımlar yapılırsa ve
2.dereceden e’li terimler ihmal edilirse,
( )( )( )( )22
22221
21104su eθeθ1e1ee1e1Yy ′+′−′++−+≅
[]202212212
22101111002114su
eeθeeθeeθeθeeeeeeeeeeYy
′−′′+′+
′−′+′−′+−++−≅ (3.121)
olarak ifade edilir.
Buradan sadece iθ değerlerine bağlı olarak 4suy tahmin edicisinin yan ve hata
kareler ortalaması aynı şekilde elde edilir.
( ) ( )[ ]yz2z22yx
2x34su KCfθK1CfYyYan −−≅ (3.122)
53
( ) ( ) ( )[ ]yz22z22yx
2x3
2y1
24su K2θCfθK21CfCfYyHKO −+−+≅ (3.123)
3.8. Singh Genelleştirilmiş Tahmin Edicisi
Singh (2001); Singh ve Upadhyaya(1995, 2001) tahmin edicilerine benzer başka
zincirleme oransal tahmin ediciler önermişlerdir. Önerdikleri yeni tahmin edicilerde
zC değişim katsayısı yerine zσ kullanılmışlardır. Eğer ikinci yardımcı değişkenin
kitle ortalaması ve değişim katsayısı biliniyorsa, zσ standart sapması da zaten
biliniyor olacaktır.
Tahmin ediciler bir ikv değerinin tanımlanmasıyla genelleştirilmiş şekilde ifade
edilebilir.
zkiik σzαv += ( i= 1, 2, 3 ve k = 1, 2, …,N ) (3.124)
zii σzαv +′=′ ( n′ örneklemdeki ikv ‘ nın örneklem ortalaması ) (3.125)
zii σZαV += ( Kitle Ortalaması ) (3.126)
i = 1, 2, 3 için 1α1 = , ( )Zβα 12 = , ( )Zβα 23 = olarak ifade edilir.
1α1 = için önerilen tahmin edici:
( ) ,Vvx
xy
σzσZx
xyy 1
1Z
Zsg
1
′′
=
+′+′= i = 1 , 1α1 = için, (3.127)
( )zβα 12 = için önerilen tahmin edici:
( ) ( )( ) 2
2z1
z1sg
2 Vvx
xy
σzzβσZzβx
xyy
′′
=
+′+′= , i = 2 , ( )zβα 12 = için, (3.128)
( )zβα 23 = için önerilen tahmin edici:
54
( ) ( )( ) 3
3z2
z2sg
3 Vvx
xy
σzzβσZzβx
xyy
′′
=
+′+′= , i = 3 , ( )zβα 23 = için verilir. (3.129)
Bu önerilen 3 tahmin edici genelleştirilerek aşağıdaki şekilde ifade edilir:
iizi
zisg V
vx
xy
σzασZαx
xyy
′′
=
+′+′= , (i= 1,2,3) (3.130)
sgy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden yazılarak
yeniden ifade edilirse,
( )( ) ( )
+′++′+
++
=z2ii
zi1
1
0sg σeZαZα
σZαe1Xe1Xe1Y
y
( )( ) ( )1
zi
z2ii1
110sg σZα
σeZαZαe1e1e1Yy−
−
+
+′+′+++=
( )( ) ( )1
zi
2i
zi
zi1
110sg σZα
eZασZασZαe1e1e1Yy
−−
+′
+++′+++=
( )( ) ( )1
zi
2i1
110sg σZα
eZα1e1e1e1Yy−
−
+′
+′+++= (3.131)
şeklinde bulunur.
zi
ii σZα
Zαφ+
= olmak üzere,
( )( ) ( )( ) 12i1
110sg eφ1e1e1e1y −− ′+′+++= (3.132)
olarak bulunur.
55
Bu eşitlikteki ( ) 12ieφ1 −′+ ifadesi, Eşitlik (3.14)’ten yararlanarak açılırsa ve
2.dereceden sonraki e’li terimler ihmal edilirse,
( ) 22i2i
12i eφeφ1eφ1 ′+′−=′+ − (3.133)
olarak bulunur.
Eşitlik (3.132)’de, Eşitlik (3.15), Eşitlik (3.133) yerine konulup çarpımlar yapılırsa
ve 2.dereceden e’li terimler ihmal edilirse,
[]20i21i21i
2i10111100211sg
eeφeeφeeφeφeeeeeeeeeeYy
′−′′+′+
′−′+′−′+−++−≅ (3.134)
olarak ifade edilir.
Buradan sadece iφ değerlerine bağlı olarak usgy tahmin edicisinin yan ve hata
kareler ortalaması aynı şekilde elde edilir.
( ) ( )[ ]yz2z2iyx
2x3sg KCfφK1CfYyYan −−≅ (3.135)
( ) ( ) ( )[ ]yzi2z2iyx
2x3
2y1
2sg K2φCfφK21CfCfYyHKO −+−+≅ (3.136)
Burada i = 1, 2, 3 için;
z1 σZ
Zφ+
= , ( )( ) z1
12 σZzβ
Zzβφ+
= , ( )( ) z2
23 σZzβ
Zzβφ+
= ‘ dir.
3.9. Prasad, Singh ve Singh Tahmin Edicileri
Prasad, Singh ve Singh (2002), çeşitli zincirleme örnekleme tahmin edicileri
önermişlerdir. Bu tahmin ediciler sırasıyla aşağıda incelenecektir
56
3.9.1. Prasad, Singh ve Singh tahmin edicisi-1
Prasad (2002), Singh ve Singh, Srivenkataramana ve Tracy (1980,1981)’nin
önerdiği dönüşümü kullanarak alternatif bir zincirleme oransal tahmin edici
önermişlerdir
Srivenkataramana ve Tracy (1980,1981) dönüşümü şu şekildedir:
ii ZAU −= , i=1,2, … ,N (3.137)
Burada, A: sabit bir sayıyı göstermektedir.
Y kitle ortalaması için önerilen tahmin edici,
( )XxyyKO = →
UuxX′
′=
′′=Uux
xyyPSS (3.138)
olarak verilir. Burada,
zAu ′−=′ (3.139)
( ) ZAUuE −==′ (3.140)
şeklindedir.
Eşitlik (3.139) ve Eşitlik (3.140), Eşitlik (3.138)’de yerine konulursa önerilen
tahmin edici,
−′−′=
ZAzAx
xyyPSS (3.141)
olarak verilir.
57
PSSy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden
yazılarak yeniden ifade edilirse,
−′−′=
ZAzAx
xyyPSS
( )( ) ( ) ( )
−′+−′+
++
=ZA
e1ZAe1Xe1Xe1Y
y 21
1
0PSS
( )( ) ( )
−′−−′+++= −
ZAZeZAe1e1e1Yy 2
11
10PSS
( )( ) ( )
′
−−′+++= −
211
10PSS eZA
Z1e1e1e1Yy (3.142)
olarak bulunur.
Burada, θZA
Z=
− olarak ifade edilirse ve Eşitlik (3.15), Eşitlik (3.142)’de yerine
konulup çarpımlar yapılırsa ve 2.dereceden sonraki e’li terimler ihmal edilirse,
( )( )( )( )212110PSS eθ1e1ee1e1Yy ′−′++−+≅
[( ) ]2
1212120
1110102110PSS
eeeeeeeθeeeeeeeθeee1Yy
+′−′′+′−
′−′+−′−′+−+≅ (3.143)
olarak elde edilir.
PPSy tahmin edicisinin yanı,
( ) ( )YyEyYan PPSPPS −=
58
( ) [
( ) ]21212120
1110102110PPS
eeeeeeeθeeeeeeeθeeeEYyYan
+′−′′+′−
′−′+−′−′+−≅ (3.144)
olarak bulunur.
Eşitlik (3.144)’te; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.43)
yerine konulursa, PPSy tahmin edicisinin yanı,
( ) [ ( )]zxxz2zxxz2
zyyz22x1
2x2xyyx1xyyx2PPS
CCρfCCρf
CCρfθCfCfCCρfCCρfYyYan
−+
−+−−≅
( ) [ ]2zyz2
2xyx3
2x3PPS CKfθCKfCfYyYan −−=
( ) ( )[ ]2zyz2yx
2x3PPS CKfθK1CfYyYan −−≅ (3.145)
olarak elde edilir.
PPSy tahmin edicisinin hata kareler ortalaması,
( ) ( )2PPSPPS YyEyHKO −=
( ) [( ) ]22
1212120
11101021102
PPS
eeeeeeeθ
eeeeeeeθeeeEYyHKO
+′−′′+′−
′−′+−′−′+−≅ (3.146)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) []212111
2010102
222
121
20
2PPS
eeθ2eeθ2ee2eeθ2ee2ee2eθeeeEYyHKO
′′−′+′−
′−′+−′+′++≅ (3.147)
Eşitlik (3.147)’de; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43) yerine
konulursa, PPSy tahmin edicisinin hata kareler ortalaması,
59
( ) [( )]zxxz2zxxz2
2z2zyyz2
xyyx2xyyx12z2
22x2
2x1
2y1
2PPS
CCρfCCρfθ2Cf2CCρfθ2
CCρf2CCρf2CfθCfCfCfYyHKO
−+−−
+−+++≅
( ) ( )[ ]yz2z2
2xyx3
2x3
2y1
2PSS K2θCθfCKf2CfCfYyHKO −+−+≅
( ) ( ) ( )[ ]yz2z2yx
2x3
2y1
2PSS K2θCθfK21CfCfYyHKO −+−+≅
( ) ( ) ( )yz2z2
2BOPSS K2θCθfYyHKOyHKO −+≅ (3.148)
olarak elde edilir.
Önerilen tahmin edicide tanımlanan θ değerinin optimum değerinin bulunmasıyla
hata kareler ortalamasının minimum değeri bulunabilir. Bu minimum değer,
HKO’sının optimumu bulunmak istenen değere göre türevinin alınıp sıfıra
eşitlenmesiyle bulunur.
( ) ( ) ( ){ }[ ]0
θK2θCfθK21CfCfY
θyHKO yz
2z2yx
2x3
2y1
2PSS =
∂
−+−+∂=
∂∂
( ) ( )[ ] 0K2θ2CfθyHKO
yz2z2
PSS =−=∂
∂ (3.149)
Eşitlik (3.149)’dan
0yz θKθ ==
olarak bulunur.
Tahmin edicideki A sabit katsayısının değeri bulunarak tahmin edicide yerine
konulursa,
ZKZAKZA
ZKθ yzyzyz =−⇒−
==
60
0yz
yz AZK
K1A =
+=
olarak bulunur.
0A değeri, Eşitlik(3.141)’de yerine konulduğunda PPSy tahmin edicisi,
−′−′=
ZAzAx
xyyPSS
−
+
′−
+
′=
ZZK
K1
zZK
K1
xxyy
yz
yz
yz
yz
PSS
( )
−+
′−+′=
ZKZKZzZKZ
xxyy
yzyz
yzPSS
( )[ ]Z
zZKZxxyy yz
PSS
′−+
′
= (3.150)
olarak bulunur.
0θ değeri, Eşitlik (3.145)’te yerine konulursa PPSy tahmin edicisinin yanı,
( ) ( )[ ]2z
2yz2yx
2x3PPS CKfK1CfYyYan −−≅ (3.151)
0θ değeri, Eşitlik (3.488)’de yerine konulursa PPSy tahmin edicisinin hata kareler
ortalaması,
( ) ( )[ ]2yz
2z2yx
2x3
2y1
2PSSmin KCfK21CfCfYyHKO −−+= (3.152)
olarak bulunur.
61
3.9.2. Prasad, Singh ve Singh tahmin edicisi-2
Prasad, Singh ve Singh (2002), Walsh(1970) ve Reddy(1974)’nin önerdikleri
tahmin edicileri geliştirerek yeni bir zincirleme tahmin edici daha önermişlerdir.
Y kitle ortalaması için önerilen tahmin edici,
( )
( )[ ] ( )[ ]Zβ1zβZ
xα1xαxyy β,α
PSS −+′′−+′
= (3.153)
şeklindedir Önerdikleri tahmin edicide, x′ve z′ ön örneklem ortalamaları; y , x , z
alt örneklem ortalamalarıdır. Z ikinci yardımcı değişkenine ait kitle ortalaması
bilinmektedir.
α ,β : sabit katsayıları göstermektedir.
α ve β sabitlerinin aldığı değere göre tahmin ediciler değişmektedir.
( ) ( )0,0β,α = için y ,
( ) ( )0,1β,α = için Oy ,
( ) ( )1,1β,α = için Cy elde edilir.
( )β,αPSSy tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden
yazılarak yeniden ifade edilirse,
( ) ( ) ( )( ) ( ) ( )[ ] ( ) ( )[ ]Zβ1e1Zβ
Ze1Xα1e1Xα
e1Xe1Yy211
10
β,αPSS −+′+′+−++
′++=
( ) ( ) ( )( )[ ]( )2111
10
β,αPSS eβ1eeαe1
e1e1Yy′+′−+′+
′++=
( ) ( )( ) ( )[ ] ( ) 12
111110
β,αPSS eβ1eeαe1e1e1Yy −− ′+′−+′+′++= (3.154)
62
olarak bulunur.
Bu eşitlikteki, ( )[ ] 1111 eeαe1 −′−+′+ ve ( ) 1
2eβ1 −′+ ifadeleri eşitlik (3.14)’ten
yararlanarak açılırsa ve 2.dereceden sonraki terimler ihmal edilirse,
( )[ ] ( )[( ) ( ) ]111
211
2
21111
1111
eeeα2eeα
eeeαe1eeαe1
′′−+′−+
′+′−−′−≅′−+′+ −
(3.155)
( ) ( )22
22
12 eβeβ1eβ1 ′+′−≅′+ − (3.156)
olarak elde edilir.
Eşitlik (3.155) ve Eşitlik (3.156), Eşitlik (3.154)’te yerine konulup çarpımlar
yapılırsa ve 2.dereceden e’li terimler ihmal edilirse,
( ) ( )[( ) ( )]220
22212111
21
21
21111010110
β,αPSS
eeeeββeeβeeβeeα2αeαeαeeeeeeeeeαe1Yy
′−′−′+′′−′+′−+
′++′−′+−′+−′++≅ (3.157)
olarak elde edilir.
( )β,αPSSy tahmin edicisinin yanı,
( )( ) ( )( )YyEyYan β,αPSS
β,αPSS −=
( )( ) ( )[
( ) ( )]2202
2212111
21
21
21111010110
β,αPSS
eeeeββeeβeeβeeα2αeαeαeeeeeeeeeαeEYyYan′−′−′+′′−′+′−+
′++′−′+−′+−′+≅ (3.158)
olarak bulunur.
Eşitlik (3.158)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43) yerine konulursa, ( )β,αPSSy tahmin edicisinin yanı,
63
( )( ) ([( ) ( )]zyyz2
2z2zxxz2zxxz2
2x2
2x2
2x1
2x2
2x2xyyx1xyyx2
β,αPSS
CCρfCfββCCρfCCρfβ
Cfα2CfαCfαCfCfCCρfCCρfαYyYan
−+−+
−++−−−≅
( )( ) ( ) ( )[ ]yz2z2yx
2x3
β,αPSS KββCfKααCfYyYan −+−≅ (3.159)
olarak elde edilir.
( )β,αPSSy tahmin edicisinin hata kareler ortalaması,
( )( ) ( )( )2β,αPSS
β,αPSS YyEyHKO −=
( )( ) ( )[( ) ( )]2220
22212111
21
21
21111010110
β,αPSS
eeeeββeeβeeβeeα2α
eαeαeeeeeeeeeαeEYyHKO
′−′−′+′′−′+′−+
′++′−′+−′+−′+≅ (3.160)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( )( ) []11
2212110
10202
122
122
222
02β,α
PSS
eeα2eeαβ2eeαβ2eeα2
eeα2eeβ2eαeαeβeYyHKO′−′−′+′+
−′−′+++≅ (3.161)
olarak bulunur.
Eşitlik (3.161)’de; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.8), Eşitlik (3.42), Eşitlik (3.43)
yerine konulursa, ( )β,αPSSy tahmin edicisinin hata kareler ortalaması,
( )( ) [( )]zxxz2zxxz2
2x2
2xyyx2
xyyx1zyyz22x2
22x1
22z1
22y1
2β,αPSS
CCρfCCρfαβ2Cfα2CCρfα2
CCρfα2CCρfβ2CfαCfαCfβCfYyHKO
−+−+
−−+++≅
( )( ) ( )[ ( )]yz2z2yx
2x3
2y1
2β,αPSS K2ββCfK2ααCfCfYyHKO −+−+≅ (3.162)
olarak elde edilir.
64
Önerilen tahmin edicide tanımlanan α ve β sabit katsayılarının optimum değerinin
bulunmasıyla hata kareler ortalamasının minimum değeri bulunabilir. Bu minimum
değer, HKO’sının optimumu bulunmak istenen değere göre türevinin alınıp sıfıra
eşitlenmesiyle bulunur.
( )( )[ ] { ( )[ ( )}]0
αK2ββCfK2ααCfCfY
αyHKO yz
2z2yx
2x3
2y1
2β,αPSS =
∂
−+−+∂=
∂∂
( )( )[ ] ( ) 0K2α2Cf
αyHKO
yx2x3
β,αPSS =−=
∂∂ (3.163)
Eşitlik(3.163)’ten
0yx αKα ==
olarak bulunur.
( )( )[ ] { ( )[ ( )}]0
βK2ββCfK2ααCfCfY
βyHKO yz
2z2yx
2x3
2y1
2β,αPSS =
∂
−+−+∂=
∂∂
( )( )[ ] ( ) 0K2β2CfβyHKO
yz2z2
β,αPSS =−=
∂∂ (3.164)
Eşitlik(3.164)’ten,
0yz βKβ ==
olarak bulunur.
0α ve 0β değerleri ,Eşitlik(3.152)’de yerine konulursa ( )00 β,αPSSy tahmin edicisi,
( )
( )[ ] ( )[ ]ZzKzZ
xxKxxyy
yzyx
β,αPSS
00
−′+′′−+′
= (3.165)
65
şeklinde olur.
0α ve 0β değerleri, Eşitlik (3.108)’de yerine konulursa ( )00 β,αPSSy tahmin edicisinin
yanı,
( )( ) ( ) ( )[ ] 0KKKCfKKKCfYyYan yzyzyz2z2yxyxyx
2x3
β,αPSS
00 =−+−≅ (3.166)
olarak bulunur.
0α ve 0β değerleri, Eşitlik (3.162)’de yerine konulursa ( )00 β,αPSSy tahmin edicisinin
hata kareler ortalaması,
( )( ) ( )[ ( )]yzyzyz2z2yxyxyx
2x3
2y1
2β,αPSSmin K2KKCfK2KKCfCfYyHKO 00 −+−+≅
( )( ) ( )[ ( )]yzyzyz2z2yxyxyx
2x3
2y1
2β,αPSSmin K2KKCfK2KKCfCfYyHKO 00 −+−+≅
( )( ) [ ]2yz
2z2
2yx
2x3
2y1
2β,αPSSmin KCfKCfCfYyHKO 00 −−≅ (3.167)
olarak bulunur.
3.9.3 Prasad, Singh ve Singh tahmin edicisi -3
Prasad, Singh ve Singh (2002), Walsh(1970) ve Reddy(1974)’nin önerdikleri
tahmin edicileri geliştirerek bir başka sabit terim daha ekleyek yeni bir zincirleme
tahmin daha önermişlerdir.
( )
( )[ ] ( )[ ] ( )[ ]Zγ1zγZ
Zβ1zβZ
xα1xαxyy γ,β,α
PSS −+−+′′−+′
= (3.168)
66
Önerdikleri tahmin edicide, eklenen sabit terimde Z değişkeninin alt örneklemdeki
bilgisi kullanılmıştır. x′ ve z′ ön örneklem ortalamaları; y , x , z alt örneklem
ortalamalarıdır. Z ikinci yardımcı değişkenine ait kitle ortalaması bilinmektedir.
α ,β , γ : sabit değerleri göstermektedir.
Fark yönteminden yararlanılarak Z değişkeninin alt örneklemdeki ortalaması için
yeni bir değer tanımlanır :
ZZze2
−= → ( )2e1Zz += (3.169)
( ) 0eE 2 = (3.170)
( ) 2z1
2z12
222 CfSf
Z1
ZZzEeE ==
−= (3.171)
( ) zyyz1yz120 CCρfSfZY
1Z
ZzY
YyEeeE ==
−
−=
( ) zxxz1xz121 CCρfSfZX
1Z
ZzX
XxEeeE ==
−
−=
( ) zxxz2xz221 CCρfSfZX
1Z
ZzX
XxEeeE ==
−
−′=′
( ) 2z2
2z2222 CfSf
Z1
ZZz
ZZzEeeE ==
−′
−=′ (3.172)
( )γ,β,αPSSy tahmin edicisi, Eşitlik (3.4), Eşitlik (3.40) ve Eşitlik (3.169)’daki e’li terimler
cinsinden yazılarak yeniden ifade edilirse,
67
( ) ( ) ( )( ) ( ) ( )[ ] ( ) ( )[ ] ( ) ( )[ ]Zγ1e1Zγ
ZZβ1e1Zβ
Ze1Xα1e1Xα
e1Xe1Yy2211
10
γ,β,αPSS −++−+′+′+−++
′++=
( ) ( ) ( )( )[ ]( )( )22111
10
γ,β,αPSS eγ1eβ1eeαe1
e1e1Yy+′+′−+′+
′++=
( ) ( )( ) ( )[ ] ( ) ( ) 12
12
111110
γ,β,αPSS eγ1eβ1eeαe1e1e1Yy −−− +′+′−+′+′++= (3.173)
Bu eşitlikteki ( ) 11eγ1 −′+ ifadesi, eşitlik (3.14)’ten yararlanarak açılırsa ve
2.dereceden sonraki e’li terimler ihmal edilirse,
( ) 211
11 eγeγ1eγ1 ′+′−=′+ − (3.174)
olarak bulunur.
Eşitlik (3.173)’te, Eşitlik (3.155), Eşitlik (3.156) ve Eşitlik (3.174) yerine konulup
çarpımlar yapılırsa ve 2.dereceden e’li terimler ihmal edilirse,
( ) ( ) {[( )} ( ){ }
( ){ }]2022212122
2121202
2112
121
2111101011220
γ,β,αPSS
eeeγeeeeαeeβγeeeeαeeeββee2eeαeeeeeeeαeeαeβeγe1Yy
−+′−+′+
′′−′+′−′+′−′−+
′+′−′+−+′−−′−−+≅
(3.175)
olarak elde edilir.
( )γ,β,αPSSy tahmin edicisinin yanı,
( )( ) ( )( )YyEyYan γ,β,αPSS
γ,β,αPSS −=
( )( ) ( ) {[( )} ( ){ }
( ){ }]2022212122
2121202
2112
121
2111101011220
γ,β,αPSS
eeeγeeeeαeeβγeeeeαeeeββee2eeα
eeeeeeeαeeαeβeγeEYyYan
−+′−+′+
′′−′+′−′+′−′−+
′+′−′+−+′−−′−−≅
(3.176)
olarak bulunur.
68
Eşitlik (3.176)’da; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43), Eşitlik (3.170), Eşitlik (3.171) ve Eşitlik (3.172) yerine konulursa, ( )β,αPSSy tahmin edicisinin yanı,
( )( ) ( ){ }[( ){ }
( ){ }]zyyz12z1zxxz2zxxz1
2z2
zxxz2zxxz2zyyz22z2
2x2xyyx2
2x2xyyx1
2x2
2x2
2x1
γ,β,αPSS
CCρfCfγCCρfCCρfαCfβγ
CCρfCCρfαCCρfCfββ
CfCCρfCfCCρfCf2CfCfααYyYan
−+−++
−+−+
++−−−+≅
( )( ) ( )[ ( )( ) ( ){ }]xz32
2zyz
2z1
yz2z2yx
2x3
γ,β,αPSS
KfαβfCKγCfγ
KββCfKααCfYyYan
++−+
−+−≅ (3.177)
olarak elde edilir.
( )γ,β,αPSSy tahmin edicisinin hata kareler ortalaması,
( )( ) ( )( )2γ,β,αPSS
γ,β,αPSS YyEyHKO −=
( )( ) ( ) {[( )} ( ){ }
( ){ }]22022212122
2121202
2112
121
2111101011220
2γ,β,αA
eeeγeeeeαeeβγ
eeeeαeeeββee2eeαeeeeeeeαeeαeβeγeEYyHKO
−+′−+′+
′′−′+′−′+′−′−+
′+′−′+−+′−−′−−≅
(3.178)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( )( ) [ ( ){ }( ){ }( ) ( )]2220
221121
1010112
121
2121202
220
2γ,β,αPSS
eeβ2ee2eγγee2ee2αγee2ee2ee2eeαα
eeeeαee2eββeEYyHKO
′+−+′−+
′+−′−′++
′−′+′−′+≅
(3.179)
olarak bulunur. Eşitlik (3.179)’da; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.8), Eşitlik
(3.42), Eşitlik (3.43), Eşitlik (3.171) ve Eşitlik (3.172) yerine konulursa, ( )γ,β,αPSSy
tahmin edicisinin hata kareler ortalaması,
69
( )( ) ( ){ }[( ) {( )} { }]2
z2zyyz12z1zxxz2zxxz2
zyyz22z2zxxz2zxxz1
xyyx2xyyx12x2
2x2
2x1
2y1
2γ,β,αPSS
Cfβ2CCρf2CfγγCCρf2CCρf2α
CCρf2CfββCCρf2CCρf2γ
CCρf2CCρf2Cf2CfCfααCfYyHKO
+−+−
−+−
+−−++≅
( )( ) ( )[ ( ){ }]2
z22zyz1
2z1
yz2z2
2z3xz
2x3yx
2x3
2y1
2γ,β,αPSS
Cfβ2CKf2Cfγγ
K2ββCfCfγK2CfK2CfααCfYyHKO
+−+
−++−+≅
( )( ) ( ){ } ( ){[ }( )]yz
2z2
2zxz
2xyx3
2yyz
2z1
2γ,β,αPSS
K2γ2ββCf
CKγ2CK2ααfCK2γCγfYyHKO
−++
+−++−≅ (3.180)
olarak elde edilir. Önerilen tahmin edicide tanımlanan α , β ve γ sabit
katsayılarının optimum değerinin bulunmasıyla hata kareler ortalamasının
minimum değeri bulunabilir. Bu minimum değer, HKO’sının optimumu bulunmak
istenen değere göre türevinin alınıp sıfıra eşitlenmesiyle bulunur.
( )( )[ ]{ ( ){ } ( ){[ }
( )}]α
K2γ2ββCf
CKγ2CK2ααfCK2γCγfY
αyHKO yz
2z2
2zxz
2xyx3
2yyz
2z1
2
γ,β,αPSS
∂
−++
+−++−∂
≅∂
∂
( )( )[ ] ( ) 0CKγ2K2α2CαyHKO 2
zxzyx2x
γ,β,αPSS =+−=
∂∂ (3.181)
Eşitlik (3.181)’den,
x
zzxyx C
CγρKα −= ,x
zzxzx C
CρK = (3.182)
olarak bulunur.
( )( )[ ]{ ( ){ } ( ){[ }
( )}]β
K2γ2ββCf
CKγ2CK2ααfCK2γCγfY
βyHKO yz
2z2
2zxz
2xyx3
2yyz
2z1
2
γ,β,αPSS
∂
−++
+−++−∂
≅∂
∂
70
( )( )[ ]0K2γ2β2
βyHKO
yz
γ,β,αPSS =−+=
∂∂ (3.183)
Eşitlik (3.183)’den,
γKβ yz −= (3.184)
olarak bulunur.
( )( )[ ]{ ( ){ } ( ){[ }
( )}]γ
K2γ2ββCf
CKγ2CK2ααfCK2γCγfY
γyHKO yz
2z2
2zxz
2xyx3
2yyz
2z1
2
γ,β,αPSS
∂
−++
+−++−∂
≅∂
∂
( )( )[ ]0KαKγ
γyHKO
xzyz
γ,β,αPSS =+−=
∂∂ (3.185)
Eşitlik(3.185)’ten,
xzyz KαKγ −= (3.186)
olarak bulunur.
Eşitlik (3.182), Eşitlik (3.184) ve Eşitlik (3.186) birlikte çözülürse,
0zxxz
zxyzyx αKK1
KKKα =
−
−= (3.187)
( )0
zxxz
zxyzyxxz βKK1
KKKKβ =
−
−= (3.188)
0zxxz
xzyxyz γKK1
KKKγ =
−
−= (3.189)
olarak elde edilir.
71
Bulunan değerler ( )( )γ,β,αPSSyHKO ’da yerine konulur.
( )( ) ( )[ ( )( )]xzyx
23
yz2
2yz2
12y
2γ,β,αPSS
Kγα2Kα2αf
Kβ2γβ2βf1Kγ2γfCYyHKO
+−+
−+++−≅ (3.190)
Burada,
231 fff += ve 2y
2y
2 SCY = olmak üzere
( )( ) [ ( )( )]yz
2xzyx
23
yz2
yz2
212y
γ,β,αPSS
Kγ2γKγα2Kα2αf
Kγ2γKβ2γβ2βffSyHKO
−++−+
−+−++≅ (3.191)
olarak elde edilir.
0α , 0β , 0γ optimum değerleri Eşitlik(3.190)’da yerine konularak ( )( )γ,β,αPSSyHKO ’nın en
küçük değeri bulunur.
( )( ) [ ]yz2
22
xz.y312y
γ,β,αPSSmin ρfRffSyHKO −−≅
( )( )
−
−
−+−≅ yz
222
xz
xzyxyz2yx
2yz
312y
γ,β,αPSSmin ρf
ρ1ρρρ2ρρ
ffSyHKO (3.192)
olarak elde edilir.
=2xz.yR Çoklu korelasyon katsayısı
3.10. Singh ve Espejo Tahmin Edicisi
Singh ve Espejo (2007), 2003’te kendi önerdikleri oransal-çarpımsal tahmin ediciyi
geliştirerek yeni bir zincirleme oransal tahmin edici önermişlerdir().
Singh ve Espejo (2003) tahmin edicisi,
72
( )
−+=Xxk1
xXkyyoç (3.193)
Burada, ( )
2K1
k yx+= ‘dir.
Singh ve Espejo (2007) tahmin edicisi,
( )
′−+
′=
xxk1
xxkyyzoç (3.194)
Önerdikleri bu tahmin edicide, Y kitle ortalaması X kitle ortalaması tahmini Eşitlik
(3.193)’te yerine konularak oransal-çarpımsal tahminin birlikte kullanmasıyla
tahmin edilmiştir. X kitle ortalaması basit yolla ön örneklemden tahmin edilmiştir.
zoçy tahmin edicisi Eşitlik(3.4)’deki e’li terimler cinsinden yazılarak yeniden ifade
edilirse,
( ) ( )( ) ( ) ( )
( )
′++
−++
′++=
1
1
1
10zoç e1X
e1Xk1e1Xe1Xke1Yy
( ) ( )( ) ( )( )( ){ }111
1110zoç e1e1k1e1e1ke1Yy −− ′++−++′++= (3.195)
olarak bulunur.
Eşitlik (3.195)’te, Eşitlik (3.15), Eşitlik (3.58) yerine konulup çarpımlar yapılırsa ve
2.dereceden e’li terimler ihmal edilirse,
[ ( )( )( )]+′+′−′−+′−++−+
+′−′−−′+−+≅2
1111010110
21111010110zoç
eeeeeeeeee1k1
eeeeeeeeee1kYy
[
( ){ }]21
21101011
21111010110zoç
eeeeeeee2k
eeeeeeeeee1Yy
′−+−′+−′+
′+′−′−+′−++≅ (3.196)
73
olarak yeniden yazılır.
zoçy tahmin edicisinin yanı,
( ) ( )YyEyYan zoçzoç −=
( ) [( ){ }]2
121101011
21111010110zoç
eeeeeeee2k
eeeeeeeeeeEYyYan
′−+−′+−′+
′+′−′−+′−+≅ (3.197)
olarak bulunur.
Eşitlik (3.197)’de; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7) yerine konulursa, zoçy
tahmin edicisinin yanı,
( ) [
( ){ }]2x2
2x1xyyx1xyyx2
2x2
2x2xyyx2xyyx1zoç
CfCfCCρfCCρf2k
CfCfCCρfCCρfYyYan
−+−+
++−−=
( ) ( )( )[ ( )( ){ }]2xxyyx21xyyx21zoç CCCρffkCCρffYyYan −−−−=
( )
−−
= 1
CC
ρCkfCC
ρCfYyYanx
yyx
2x3
x
yyx
2x3zoç
( ) [ { ( )}]1KkKCfYyYan yxyx2x3zoç −−= (3.198)
olarak elde edilir.
( )2K1
k yx+= yerine konulursa zoçy tahmin edicisinin yanı,
( ) [ ( )]yxyx2x3zoç K21K1CYfyYan −+= (3.199)
olarak verilir.
74
1K2
Kk
yx
yx
−= için, zoçY yansız bir tahmin edicidir.
zoçy tahmin edicisinin hata kareler ortalaması,
( ) ( )2zoçzoç YyEyHKO −=
( ) [( ){ }]22
121101011
21111010110zoç
eeeeeeee2k
eeeeeeeeeeEYyHKO
′−+−′+−′+
′+′−′−+′−+≅ (3.200)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) [ ( )( ) ( )]11
21
21
2111010
21111010
21
21
20
2zoç
ee2eek4eeeeee2
eeeee2eek2eeeYyHKO
′−+′+′−′−+
′+′−−′+′++≅ (3.201)
olarak bulunur.
Eşitlik (3.201)’de; Eşitlik (3.6), Eşitlik (3.7) yerine konulursa, zoçy tahmin edicisinin
hata kareler ortalaması,
( ) ( )[( )( )]2
x22x1
2x2
2
2x2
2x2
2x1
2x2xyyx1xyyx2
x2
2xyyx2xyyx12x2
2x1
2y1
2zoç
Cf2CfCfk4
CfCfCfCfCCρfCCρfk4
CfCCρfCCρf2CfCfCfYyHKO
−++
+−−+−+
−−+++≅
( ) [ ( )( ) ( )( )]2x
2xxyyx21xyyx
2x21
2y1
2zoç kCCCCρffk4CCρ2CffCfYyHKO −+−−+−+=
( )
−+−
++= k1
CC
ρkCf4CC
ρ21CfCfYyHKOx
yyx
2x3
x
yyx
2x3
2y1
2zoç
( ) [ ( ) ( )]k1KkCf4K21CfCfYyHKO yx2x3yx
2x3
2y1
2zoç −+−++=
( ) [ ( ){ }]k1Kk4K21CfCfYyHKO yxyx2x3
2y1
2zoç −+−++≅
75
( ) [ ( )( )]yx2x3
2y1
2zoç K2k21k21CfCfYyHKO +−−+≅ (3.202)
olarak elde edilir.
( )2K1
k yx+= yerine konulursa zoçy tahmin edicisinin hata kareler ortalaması,
( ) [ ( )( )]yxyx2x3
2y1
2zoç K1K1CfCfYyHKO +−+≅
( ) [ ( )]yx22
x32y1
2zoç K1CfCfYyHKO −+≅ (3.203)
olarak elde edilir.
( ) ( )[ ]yx2x3
2y1
2BO K21CfCfYYHKO −+≅ olduğuna göre,
( ) ( ) ( )[ ]yxyx2x3
2BOzoç K2KCfYyHKOyHKO −+≅ (3.204)
olarak da ifade edilebilir.
76
DÖRDÜNCÜ BÖLÜM
4. İKİ SAFHALI ÖRNEKLEME YÖNTEMİNDE REGRESYON TAHMİN EDİCİLERİ
4.1. İki Safhalı Klasik Regresyon Tahmin Edici
N birimli sonlu bir kitleden basit rastgele örnekleme ile n′ birimli bir ön örneklem
seçilsin. Bu ön örneklemde X değişkeninin kitle ortalaması basit tahmin yoluyla
tahmin edilsin. Daha sonra Y değişkenin kitle ortalamasının tahmini için ön
örneklemden n birimli bir alt örneklem daha seçilsin. Bu örneklemde Y değişkeni
regresyon yoluyla tahmin edilebilir.
Buna göre iki safhalı örnekleme yönteminde Y kitle ortalaması tahmini iki safhalı
klasik regresyon tahminiyle şu şekilde verilir:
)xX(byy yxSR −+= (4.1)
X yerine ön örneklemden basit yolla tahmin edilen değer yerine konulursa iki
safhalı klasik regresyon tahmin edicisi,
)xx(byy yxSR −′+= (4.2)
şeklinde olur.
Burada, x′ yardımcı değişkenin ön örneklem ortalaması, yxb X ile Y arasındaki
örneklem regresyon katsayısıdır.
Tahmin edicinin yan ve hata kareler ortalaması hesaplanırken örneklem regresyon
katsayısı yxb , kitle regresyon katsayısı yxβ olarak alınır.
( )( )
( )∑
∑
=
=
−
−−= N
1i
2i
N
1iii
yx
Xx
YyXxβ , X ile Y arasındaki kitle regresyon katsayısı (4.3)
77
SRy tahmin edicisi, Eşitlik (3.4)’deki e’ li terimler cinsinden yazılarak yeniden ifade
edilirse,
( ) ( ) ( )[ ]11yx0SR e1Xe1Xβe1Yy +−′+++=
( )
−′++= 11yx0SR ee
YXβe1Yy (4.4)
şeklinde yazılabilir.
Eşitlik (4.4)’de yxβ yeniden tanımlanır:
2x
yxyx S
Sβ = ⇒
xy
yxyx SS
Sρ =
xyyx2xyx SSρSβ = ⇒
x
yyxyx S
Sρβ =
x
yyxyx C
CρK = ⇒
XYKβ yxyx = (4.5)
yxρ , X ile Y arasındaki korelasyon katsayısı
yxβ Eşitlik (208)’de yerine konulursa,
( )[ ]11yx0SR eeKe1Yy −′++= (4.6)
olarak bulunur.
Tahmin edicisinin yanı,
( ) ( )YyEyYan SRSR −=
78
( ) ( )[ ]11yx0SR eeKeEYyYan −′+= (4.7)
Eşitlik (4.7)’de; Eşitlik (3.5) yerine konulursa, SRy tahmin edicisinin yanı,
( ) 0yYan SR = (4.8)
SRy tahmin edicisinin yanı sıfır olduğu için SRy tahmin edicisi yansızdır.
SRy tahmin edicisinin hata kareler ortalaması,
( ) ( )2SRSR YyEyHKO −=
( ) ( )[ ]211yx0SR eeKeEYyHKO −′+= (4.9)
şeklindedir. Beklenen değerde kare alınırsa, hata kareler ortalaması,
( ) ( ) ( )[ ]2111
21
2yx1010yx
20
2SR eee2eKeeeeK2eYyHKO +′−′+−′+= (4.10)
olarak bulunur.
Eşitlik (4.10)’da; Eşitlik (3.6) ve Eşitlik (3.7) yerine konulursa, SRy tahmin edicisinin
hata kareler ortalaması,
( ) }{ ( )[ ]2x1
2x2
2x2
2yxxyyx1xyyx2yx
2y1
2SR CfCf2CfKCCρfCCρfK2CfYyHKO +−+−+=
( ) ( ) ( )
−+
−−= 2
x2yx21
x
yyx
2xyx21
2y1
2SR CKff
CC
ρCKff2CfYyHKO
( ) [ ]2x
2yx3
2y1
2SR CKfCfYyHKO −= (4.11)
şeklinde elde edilir.
79
4.2. Mohanty Tahmin Edicileri
Mohanty (1967), iki yardımcı değişken kullanarak iki tahmin edici önermiştir.
4.2.1. Mohanty tahmin edicisi-1
Y kitle ortalaması için önerilen ilk Mohanty tahmin edicisi,
( )[ ]zZxxbyy yx1M −′+= (4.12)
şeklindedir. Önerilen tahmin edicide X kitle ortalaması ön örneklemden basit yolla
tahmin edilmiştir. y , x , z alt örneklem ortalamaları; x′ ön örneklem ortalaması,
yxb , X ile Y arasındaki örneklem regresyon katsayısıdır. Z ikinci yardımcı
değişkenine ait kitle ortalaması bilinmektedir.
Tahmin edicinin yan ve hata kareler ortalaması hesaplanırken örneklem regresyon
katsayısı yxb , kitle regresyon katsayısı yxβ olarak alınır.
1My tahmin edicisi Eşitlik (3.4) ve Eşitlik (3.170)’deki e’ li terimler cinsinden
yazılarak yeniden ifade edilirse,
( ) ( ) ( )}{[ ] ( )211yx01M e1Z
Ze1Xe1Xβe1Yy+
+−′+++=
( ) ( )[ ]( ) 1211yx01M e1eeXβe1Yy −+−′++= (4.13)
Bu eşitlikteki ( ) 12e1 −+ ifadesi, Eşitlik (3.14)’ten yararlanarak açılırsa ve
2.dereceden sonraki e’ li terimler ihmal edilirse,
( ) 222
12 ee1e1 +−=+ − (4.14)
olarak bulunur.
80
Eşitlik (4.14)’te, Eşitlik (3.209), Eşitlik (3.218) yerine konulup çarpımlar yapılırsa ve
2.dereceden e’ li terimler ihmal edilirse,
( )[ ]( )22211yx01M ee1eeKe1Yy +−−′++≅
( )[ ]212111yx2220201M eeeeeeKeeeee1Yy ′−+−′++−−+= (4.15)
olarak elde edilir
1My tahmin edicisinin yanı,
( ) ( )YyEyYan 1M1M −=
( ) ( )[ ]212111yx2220201M eeeeeeKeeeeeEYyYan ′−+−′++−−≅ (4.16)
olarak bulunur.
Eşitlik (4.16)’da; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.170), Eşitlik
(3.171), yerine konulursa, 1My tahmin edicisinin yanı,
( ) ( )[ ]zxxz2zxxz1yxzyyz12z11M CCρfCCρfKCCρfCfYyYan −+−≅
( ) ( )[ ]zyxzyx3zyyz2z11M CCρρfCCρCfYyYan +−≅
( ) ( )[ ]2zxzyx3yz
2z11M CKKfK1CfYyYan −−≅ (4.17)
şeklinde bulunur.
1My tahmin edicisinin hata kareler ortalaması,
( ) ( )21M1M YyEyHKO −=
81
( ) ( )[ ]2212111yx222020
21M eeeeeeKeeeeeYyHKO ′−+−′++−−= (4.18)
şeklinde elde edilir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler
ihmal edilirse hata kareler ortalaması,
( ) ( )[( )]21211010yx
1121
21
2yx20
22
20
21M
eeeeeeeeK2ee2eeKee2eeYyHKO
+′−−′+
′−+′+−+≅ (4.19)
olarak bulunur.
Eşitlik (4.19)’da; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.171), Eşitlik (3.172), yerine
konulursa, 1My tahmin edicisinin hata kareler ortalaması,
( ) ( )[( )]zxxz1zxxz2xyyx1xyyx2yx
2x2
2x1
2x2
2yxzyyz1
2z1
2y1
21M
CCρfCCρfCCρfCCρfK2Cf2CfCfKCCρf2CfCfYyHKO
+−−+
−++−+≅
( ) ( )
( )
−−−
−+
−+=
x
zxz
x
yyx
2xyx21
2x
2yx21
z
yyz
2z1
2y1
21M
CCρ
CC
ρCKff2
CKffCC
ρ21CfCfYyHKO
( ) ( )[ ( )]zxyx2xyx3
2x
2yx3yz
2z1
2y1
21M KKCKf2CKfK21CfCfYyHKO −−+−+≅
( ) ( ){ }[ ( )]yxzx2xyx3yz
2z
2y1
21M KK2CKfK21CCfYyHKO −+−+≅ (4.20)
olarak elde edilir.
Burada, x
zxzzx C
CρK = ’dir.
82
4.2.2. Mohanty tahmin edicisi-2
Mohanty’nin diğer tahmin edicisi,
( )[ ]zzxxbyy yx2M′
−′+= (4.21)
şeklindedir. Önerdiği ikinci tahmin edicide, ikinci yardımcı değişken Z ‘ye ilişkin ön
ve alt örneklem ortalamaları kullanılmıştır. İlk tahmin edicideki kitle ortalaması Z
yerine, Z değişkenin ön örneklemden elde edilen örneklem ortalaması z′
konulmuştur.
Tahmin edicinin yan ve hata kareler ortalaması hesaplanırken örneklem regresyon
katsayısı yxb , kitle regresyon katsayısı yxβ olarak alınır.
2My tahmin edicisi, Eşitlik (3.4), Eşitlik (3.40) ve Eşitlik (3.169)’ daki e’ li terimler
cinsinden yazılarak yeniden ifade edilirse,
( ) ( ) ( )}{[ ]( )( ) 12211yx02M e1e1e1Xe1Xβe1Yy −+′++−′+++= (4.22)
olarak bulunur.
Eşitlik (4.22)’de, Eşitlik (3.158) ve Eşitlik (3.209) yerine konulup çarpımlar yapılırsa
ve 2.dereceden e’li terimler ihmal edilirse,
[( )]2121212111yx
222220202202M
eeeeeeeeeeKeeeeeeeeee1Yy′′+′−′−+−′+
+′−′+−′+−+≅ (4.23)
olarak elde edilir.
2My tahmin edicisinin yanı,
( ) ( )YyEyYan 2M2M −=
83
( ) [( )]2121212111yx
222220202202M
eeeeeeeeeeKeeeeeeeeeeEYyYan
′′+′−′−+−′+
+′−′+−′+−≅ (4.24)
olarak bulunur.
Eşitlik (4.24)’te; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.41), Eşitlik (3.42),
Eşitlik (3.43), Eşitlik (3.170), Eşitlik (3.171), Eşitlik (3.172) yerine konulursa, 2My
tahmin edicisinin yanı,
( ) [( )]zxxz2zxxz1yx
2z1
2z2zyyz2zyyz12M
CCρfCCρfKCfCfCCρfCCρfEYyYan
−+
+−+−≅
( ) ( )( ) ( ) ( )[ ]zxxzyx21zyyz2z212M CCρKffCCρCffYyYan −+−−≅
( )
+
−≅
z
xxz
2zyx3
z
yyz
2z32M C
CρCKf
CC
ρ1CfYyYan
( ) ( )[ ]xzyxyz2z32M KKK1CfYyYan +−≅ (4.25)
şeklinde elde edilir.
2My tahmin edicisinin hata kareler ortalaması,
( ) ( )22M2M YyEyHKO −=
( ) [( )]22121212111yx
22222020220
22M
eeeeeeeeeeK
eeeeeeeeeeYyHKO
′′+′−′−+−′+
+′−′+−′+−≅ (4.26)
şeklindedir.
Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal edilirse hata
kareler ortalaması,
84
( ) [( ) (
)]212121
211010yx1121
21
2yx
2020222
222
20
22M
eeeeeeeeeeeeK2ee2eeK
ee2ee2ee2eeeEYyHKO
′−′′++
′−−′+′−+′
+′+−′−′++≅ (4.27)
olarak bulunur.
Eşitlik (4.27)’de; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43), Eşitlik
(3.171), Eşitlik (3.172) yerine konulursa, 2My tahmin edicisinin hata kareler
ortalaması,
( ) [( )
( )]zxxz1zxxz2xyyx1xyyx2yx
2x2
2x1
2x2
2yxzyyz2
zyyz12z2
2z2
2z1
2y1
22M
CCρfCCρfCCρfCCρfK2Cf2CfCfKCCρf2
CCρf2Cf2CfCfCfYyHKO
+−−+
−+++
−−++≅
( ) ( )
( )
−−−
−+
−+≅
x
zxz
x
yyx
2xyx21
2x
2yx21
z
yyz
2z3
2y1
22M
CCρ
CC
ρCKff2
CKffCC
ρ21CfCfYyHKO
( ) ( )[ ( )]zxyx2xyx3
2x
2yx3yz
2z3
2y1
22M KKCKf2CKfK21CfCfYyHKO −−+−+≅
( ) ( ) ( )[ yxzx2xyx3yz
2z3
2y1
22M KK2CKfK21CfCfYyHKO −+−+≅ (4.28)
olarak elde edilir.
4.3. Kiregyera Regresyon Tahmin Edicileri
Kiregyera (1984), iki yardımcı değişken kullanarak iki zincirleme regresyon tahmin
edici önermiştir.
85
4.3.1. Kiregyera regresyon tahmin edicisi-1
Y kitle ortalaması için önerilen ilk Kiregyera regresyon tahmin edicisi,
−′′
+= xZzxbyy yx1K (4.29)
şeklindedir. Önerilen tahmin edicide, Y kitle ortalaması, X kitle ortalaması tahmini
yerine konularak regresyon yoluyla tahmin edilmiştir. X kitle ortalaması ön
örneklemden ikinci bir değişken yardımıyla oransal yolla tahmin edilmiştir. Z ikinci
yardımcı değişkenine ait kitle ortalaması bilinmektedir.
Tahmin edicinin yan ve hata kareler ortalaması hesaplanırken örneklem regresyon
katsayısı yxb , kitle regresyon katsayısı yxβ olarak alınır.
1Ky tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’ daki e’li terimler cinsinden yazılarak
yeniden ifade edilirse,
( ) ( )( ) ( )
+−
′+′+
++= 12
1yx01K e1XZ
e1Ze1Xβe1Yy
( ) ( )( ) ( )[ ]11
21yx01K e1e1e1Xβe1Yy +−′+′+++= − (4.30)
olarak bulunur.
Bu eşitlikteki ( ) 12e1 −′+ ifadesi, eşitlik (3.14)’ten yararlanarak açılırsa ve
2. dereceden sonraki e’ li terimler ihmal edilirse,
( ) 222
12 ee1e1 ′+′−=′+ − (4.31)
olarak bulunur.
86
Eşitlik (4.30)’da, Eşitlik (3.209) ve Eşitlik (3.235) yerine konulup çarpımlar yapılırsa
ve 2.dereceden e’li terimler ihmal edilirse,
( ) ( )( ) ( )[ ]11
21yx01K e1e1e1XXYKe1Yy +−′+′+
++= −
[ ( )( ) ( ){ }11
21yx01K e1e1e1Ke1Yy +−′+′+++= −
[ ( )]2221211yx01K eeeeeeKe1Yy ′+′′−′−−′++≅ (4.32)
olarak elde edilir.
1Ky tahmin edicisinin yanı,
( ) ( )YyEyYan 1K1K −=
( ) [ ( )]2221211yx01K eeeeeeKeEYyYan ′+′′−′−−′+≅ (4.33)
olarak bulunur.
Eşitlik (4.33)’te; Eşitlik (3.5), Eşitlik (3.41), Eşitlik (3.42), Eşitlik (3.43) yerine
konulursa, 1Ky tahmin edicisinin yanı,
( ) ( )[ ]zxxz22z2yx1K CCρfCfKYyYan −=
( )
−=
z
xxz
2zyx21K C
Cρ1CKfYyYan
( ) ( )xz2zyx21K K1CKfYyYan −= (4.34)
olarak elde edilir.
87
1Ky tahmin edicisinin hata kareler ortalaması,
( ) ( )21K1K YyEyHKO −=
( ) [ ( )]22221211yx01K eeeeeeKeEYyHKO ′+′′−′−−′+≅ (4.35)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’ li terimler ihmal
edilirse hata kareler ortalaması,
( ) {[ ()( ]201010yx
2121112
221
21
2yx
20
21K
eeeeeeK2eeeeee2eeeKeEYyHKO
′−−′+
′−′′+′−′++′+= (4.36)
olarak bulunur.
Eşitlik (4.36)’da; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.8), Eşitlik (3.42), Eşitlik (3.43)
yerine konulursa, 1Ky tahmin edicisinin hata kareler ortalaması,
( ) ([( )]zyyz2xyyx1xyyx2yx
zxxz2zxxz2x2
22z2
2x1
2x2
2yx
2y1
21K
CCρfCCρfCCρfK2CCρf2CCρf2Cf2CfCfCfKCfYyHKO
−−+
+−−+++=
( ) ( ){ } ( ){ }[ ]zyyz2xyyx21yx2z2
2x21
2yx
2y1
21K CCρfCCρffK2CfCffKCfYyHKO +−−+−+=
( ) ( )[ ( )]2zyz2
2xyx3yx
2z2
2x3
2yx
2y1
21K CKfCKfK2CfCfKCfYyHKO +−++=
( ) [ ( )]yzyx2zyx2
2x
2yx3
2y1
21K K2KCKfCKfCfYyHKO ++−≅ (4.37)
olarak elde edilir.
88
4.3.2. Kiregyera regresyon tahmin edicisi-2
Kiregyera (1984), iki yardımcı değişken kullanarak zincirleme oransal tahmin edici
önermiştir.
Y kitle ortalaması için önerilen diğer Kiregyera regresyon tahmin edicisi,
( ) ( )[ ]Zzbxxbyy xzyx2K −′−−′+= (4.38)
şeklindedir.
Y kitle ortalaması, X kitle ortalaması tahmini yerine konularak regresyon yoluyla
tahmin edilmiştir. X kitle ortalaması ön örneklemden ikinci bir değişken yardımıyla
regresyon yolla tahmin edilmiştir. Z ikinci yardımcı değişkenine ait kitle ortalaması
bilinmektedir.
2Ky tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40)’daki e’li terimler cinsinden yazılarak
yeniden ifade edilirse,
( ) ( ) ( ){ } ( ){ }[ ]Ze1Zβe1Xe1Xβe1Yy 2xz11yx02K −′+−+−′+++= (4.38)
olarak bulunur.
Eşitlik (4,38)’de, Eşitlik (3.70), Eşitlik (3.209), Eşitlik (4.39) yerine konulup
çarpımlar yapılırsa,
( ) ( ) ( ){ } ( ){ }
−′+
−+−′+
++= Ze1Z
ZXKe1Xe1X
XYKe1Yy 2xz11yx02K
( ) ( )[ ]2xz11yx02K eKeeYKe1Yy ′−−′++=
( ){ }[ ]2xz11yx02K eKeeKe1Yy ′−−′++=
89
( ){ }[ ]2xz11yx02K eKeeKe1Yy ′−−′++= (4.39)
olarak elde edilir.
2Ky tahmin edicisinin yanı,
( ) ( )YyEyYan 2K2K −=
( ) ( ){ }[ ]2xz11yx02K eKeeKeEYyYan ′−−′+≅ (4.40)
olarak bulunur.
Eşitlik (4.40)’da; Eşitlik (3.5) ve Eşitlik (3.41) konulursa, 2Ky tahmin edicisinin yanı,
( ) 0yYan 2K ≅ (4.41)
olarak elde edilir.
2Ky tahmin edicisinin yanı sıfır olduğu için 2Ky tahmin edicisi yansızdır.
2Ky tahmin edicisinin hata kareler ortalaması,
( ) ( )22K2K YyEyHKO −=
( ) ( ){ }[ ]22xz11yx02
2K eKeeKeYyHKO ′−−′+= (4.42)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) [ ( )( ){ }]21xz21xz11
22
2xz
21
21
2yx
20xz1010yx20
22K
eeKeeKee2eKeeK
eeKeeeeK2eEYyHKO
′−′′+′−′++′+
′−−′+= (4.43)
olarak bulunur.
90
Eşitlik (4.43)’de; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43) yerine
konulursa, 2Ky tahmin edicisinin hata kareler ortalaması,
( ) [ ( ){
( )}]zxxz2xzzxxz2xz2x2
2z2
2xz
2x1
2x2
2yx
zyyz2xzxyyx1xyyx2yx2y1
22K
CCρfKCCρfKCf2
CfKCfCfK
CCρfKCCρfCCρfK2CfYyHKO
−+−
+++
−−+=
( ) ( )
−+
−−+=
z
yyzxz
2z2xz
x
yyxyx
2xyx21
2y1
22K C
CρKCfK
CC
ρ2KCKffCfYyHKO
( ) ( )[ ( )]yzxz2z2xzyxyx
2xyx3
2y1
22K KKCfKK2KCKfCfYyHKO −+−+=
( ) [ ( )]yzxz2z2xz
2x
2yx3
2y1
22K KKCfKCKfCfYyHKO −+−= (4.44)
olarak elde edilir.
4.4. Roy Tahmin Edicisi
Roy (2003), iki yardımcı değişken kullanarak yansız bir zincirleme regresyon
tahmin edicisi önermiştir.
Y kitle ortalaması için önerilen Roy tahmin edicisi,
( ) ( ){ }[ ]zZkxzZkxkyy 321R −+−′−+′+= (4.45)
şeklindedir.
1k , 2k , 3k : sabit değerleri göstermektedir.
Ry tahmin edicisi, Eşitlik (3.4), Eşitlik (3.40) ve Eşitlik (3.169)’ daki e’ li terimler
cinsinden yazılarak yeniden ifade edilirse,
( ) ( ) ( ){ } ( ) ( ){ }{ }[ ]23122110R e1ZZke1Xe1ZZke1Xke1Yy +−++−′+−+′+++=
91
( ) ( ){ }23221110R eZkeZkeeXke1Yy −′−−′++= (4.46)
olarak elde edilir.
Ry tahmin edicisinin yanı,
( ) ( )YyEyYan RR −=
( ) ( ) ( ){ }23221110R eZkeZkeeXEkeEYyYan −′−−′+= (4.47)
olarak bulunur.
Eşitlik (4.47)’de; Eşitlik (3.5), Eşitlik (3.41), Eşitlik (3.170) yerine konulursa, Ry
tahmin edicisinin yanı,
( ) 0YYan R = (4.48)
olarak elde edilir.
Ry için yanı sıfır olduğu için Ry tahmin edicisi yansızdır.
Ry tahmin edicisinin hata kareler ortalaması,
( ) ( )2RR YyEyHKO −=
( ) ( ){ }[ ]223221110R eZkeZkeeXkeYEyHKO −′−−′+= (4.49)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’ li terimler ihmal
edilirse hata kareler ortalaması,
( ) ( ){[( ) ( )}( ){ }]20320210101
2121321212
22
223
22
22211
21
21
221
20
2R
eeZkeeZkeeeeXk2
eeZXeeZXk2eeZXeeZXk2
eZkeZkee2eeXkeYEyHKO
−′−−′+
−′−′−′′−
+′+′−+′+=
(4.50)
92
olarak bulunur.
Eşitlik (4.50)’de; Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43), Eşitlik
(3.171), Eşitlik (3.172) yerine konulursa, Ry tahmin edicisinin hata kareler
ortalaması,
( ) ( ){[( )( ){ }]zyyz13zyyz22xyyx1xyyx21
zxxz1zxxz23
2z1
23
2z2
22
2x2
2x1
2x2
221
2y1R
CCρfZkCCρfZkCCρfCCρfXk2
CCρfZXCCρfZXk2
SfkSfkCf2CfCfXkSfyHKO
−−−+
−−
++−++=
( ) ( )(
)2z32
21xz3
21
yz21yx12x
21
2z
22
212
xz321yz31yx1
2z
23
21
2x
21
2y1R
Skkk2Skk2
Skk2Sk2SkSkkf
Skk2Skk2Sk2SkkSkSfyHKO
−+
−+−+
−+−++=
(4.51)
olarak elde edilir.
Önerilen tahmin edicide tanımlanan 1k , 2k , 3k sabit katsayılarının optimal
değerinin bulunmasıyla hata kareler ortalamasının en küçük değeri bulunabilir. Bu
minimum değer, HKO’sının optimumu bulunmak istenen değere göre türevinin
alınıp sıfıra eşitlenmesiyle bulunur.
Buna göre 1k , 2k , 3k sabit katsayılarının optimum değerleri şu şekilde
bulunmustur,
z.yxx
y2
2xz
xzyzyx1 β
SS
ρ1ρρρ
k =
−
−= (4.52)
xz2 βk = (4.53)
z.yx
yzxz3 β
ββk −= (4.54)
93
Eşitlik (4.52), Eşitlik (4.53) ve Eşitlik (4.54), Eşitlik (4.51)’de yerine konulursa Ry
tahmin edicisinin hata kareler ortalamasının en küçük değeri,
( ) ( ) ( )[ ]2z,xy
2yz2
2xz,y1
2y
2Rmin ρρ1fρ1fCYyHKO −+−=
(4.55)
olarak elde edilir.
Burada,
( )2xz
xzyzyx2yz
2yx2
xz,y ρ1ρρρ2ρρ
ρ−
−+= (4.56)
( )( )( )2
xz2yz
2xzyzyx2
z.xy ρ1ρ1ρρρ
ρ−−
−= (4.57)
olmaktadır.
94
BEŞİNCİ BÖLÜM 5. İKİ SAFHALI ÖRNEKLEME YÖNTEMİNDE TAHMİN EDİCİ AİLELERİ 5.1. Singh, Singh ve Shukla Tahmin Edici Ailesi
Singh, Singh ve Shukla (1994), Y kitle ortalaması için bir tahmin edici ailesi
önermiştir. Bu tahmin edici ailesinde iki yardımcı değişken kullanılmıştır.
Y kitle ortalaması için önerilen tahmin edici ailesi
( )( )( )( )
′
=dφψdφψ
xxyy
2
1SSS (5.1)
şeklindedir. Burada,
( ){ } ( ) ( ){ }zZdφ1dφdφψ iii ′
−+= (i=1,2) (5.2)
( )CBfA
Bfdφ1
11 ++= (5.3)
( )CBfA
Cfdφ1
12 ++= (5.4)
( )( )2d1dA −−= , ( )( )4d1dB −−= , ( )( )( )4d3d2dC −−−= (5.5)
( )0d > sabit bir değeri göstermektedir. d’nin aldığı değerlere göre çeşitli zincirleme
oransal tahmin ediciler elde edilebilir.
d=1 için SSSy ⇒ 1Cy , Chand tahmin edicisi-1
d=2 için SSSy ⇒ 2Cy , Chand tahmin edicisi-2
d=4 için SSSy ⇒ 0By ., basit oransal tahmin edici
95
SSSy tahmin edicisinin yanı,
( ) ( ) ( )[ ]yz22z2yx
2x3SSS KφCφfK1CfYyYan −−−≅ (5.6)
olarak bulunur. SSSy tahmin edicisinin hata kareler ortalaması ise,
( ) ( ) ( )[ ]yx2x3yz2
2z2
2y1
2SSS K21CfK2φCφfCfYyHKO −+++≅ (5.7)
olarak bulunur. Burada,
( )21 φφφ −=
olmaktadır. Singh ve diğerlerinin önerdiği bu genelleştirilmiş oransal tahmin edici
yardımıyla çeşitli tahmin ediciler ve bu tahmin edicilerin yan ve hata kareler
ortalaması kolayca bulunabilir. Örneğin,
d=1 için SSSy ⇒ 1Cy , Chand tahmin edicisi-1
olmaktadır. d=1 değeri Eşitlik (5.3), Eşitlik (5.4) ve Eşitlik (5.5)’te yerine konulursa,
0φ1 = ve 1φ2 = olarak bulunur. Bu değerler Eşitlik (5.6) ve Eşitlik (5.7)’de yerine
konulursa Chand tahmin edicisi-1’in yanı ve hata kareler ortalaması bulunur.
Burada, ( ) ( ) 110φφφ 21 −=−=−= olarak bulunur.
5.2. Singh, Upadhyaya ve Chandra Tahmin Edici Ailesi
Singh, Upadhyaya ve Chandra (2004), iki safhalı örnekleme yönteminde Y kitle
ortalaması için bir tahmin edici ailesi önermişlerdir.
Y kitle ortalaması için önerilen tahmin edici ailesi
321 ααα
bzabZa
bzabZa
xxyt
++
+′+
′
= (5.8)
96
şeklindedir.
321 α,α,α sabit katsayılar, ( )0a ≠ ve b z ikinci yardımcı değişkenine ait parametreler
, ( ) ( )( )zβ,zβ,C,σ 21zz , x′ve z′ ön örneklem ortalamaları; y , x , z alt örneklem
ortalamalarıdır. Z, ikinci yardımcı değişkenine ait kitle ortalaması bilinmektedir.
t tahmin edicisi, Eşitlik (3.4) ve Eşitlik (3.40) ve Eşitlik (3.170)’deki e’li terimler
cinsinden yazılarak yeniden ifade edilirse,
( ) ( )( ) ( ) ( )
321 α
2
α
2
α
1
10 be1Za
bZabe1Za
bZae1Xe1Xe1Yt
+++
+′++
+′+
+=
( )( ) ( ) ( ) ( ) 32
11
α
2
α
2α1
α10 bZa
be1ZabZa
be1Zae1e1e1Yt−−
−
+++
++′+′+++= (5.9)
olarak bulunur. bZa
Zaφ+
= olmak üzere t tahmin edicisi,
( )( ) ( ) ( ) ( ) 3211 α2
α2
α1
α10 eφ1eφ1e1e1e1Yt −−− +′+′+++= (5.10)
olarak ifade edilir. Bu eşitlikteki ( ) 2α2eφ1 −′+ ve ( ) 3α
2eφ1 −+ ifadeleri, Eşitlik
(3.14)’ten yararlanarak açılırsa ve 2.dereceden sonraki e’li terimler ihmal edilirse,
( ) ( ) 22
2222
α2 eφ
21ααeφα1eφ1 2 ′−
+′−=′+ − (5.11)
( ) ( ) 22
3323
α2 eφ
21αα
eφα1eφ1 3 −+−=+ − (5.12)
olarak bulunur.
Eşitlik (5.10)’da, Eşitlik (3.25) , Eşitlik (3.26), Eşitlik (5.12) ve Eşitlik (5.11) yerine
konulup çarpımlar yapılırsa ve 2.dereceden e’li terimler ihmal edilirse,
97
( ) ( )[ ( ) ( )( ) ( )
( ) ( ) ( ) ( ){ }
++′++
′−
++′−
+
′+′−′+′′−′+
+′−−′++′−−′++=
2233
2222
2
11121
121
11
222
32212131212121
2032021010123221110
e1ααe1αα2φeeαe
21αe
21αα
eeφααeeeeφααeeeeφααeeαeeαφeeeeαeαeαφeeαe1t
(5.13)
olarak elde edilir. t tahmin edicisinin yanı,
( ) ( )YtEtYan −=
( ) ( ) ( )[ ( ) ( )( ) ( )
( ) ( ) ( ) ( ){ }
++′++
′−
++′−
+
′+′−′+′′−′+
+′−−′++′−−′+≅
2233
2222
2
11121
121
11
222
32212131212121
2032021010123221110
e1ααe1αα2φeeαe
21αe
21αα
eeφααeeeeφααeeeeφαα
eeαeeαφeeeeαeαeαφeeαeEtYan
(5.14)
olarak bulunur.
Eşitlik (5.14)’te; Eşitlik (3.5), Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik (3.43),
Eşitlik (3.170), Eşitlik (3.171) ve Eşitlik (3.172) yerine konulursa, t tahmin edicisinin
yanı,
( ) [ ( ) ( )( ) ( )
( ) ( ) ( ) ( ){ }
++++
−
++
−+
+−+−+
+−−≅
2z133
2z222
22x21
21
12x2
11
2z2
232zxxz2zxxz131zxxz2zxxz221
zyyz13zyy22xyyx,1xyyx21
Cf1ααCf1αα2φCfαe
21αCf
21αα
CfφααCCρfCCρfφααCCρfCCρfφαα
CCρfαCCρfαφCCρfCCρfαtYan
98
( ) ( )[ ( )
( )
{ ( )
−−+++
+−+
+
−
+−≅
z
xxz31
z
yyz222
22
322z2
z
xxz3
z
yy333
22z1
x
yyx1
112x21
CCφραα
CC
ρφα1αα2φφααCf
CCφρα
CC
ρφα1αα2φCf
CC
ρα2
1ααCfftYan
( ) [ ( ) { ( ) }( ){ ( )]φαKαφαφK2φαφαCf
K2Kα21αφCφαf1K2αCαf2YtYan
2xz13yz222z2
yzxz132z31yx1
2x13
−−+−+
−++++−≅ (5.15)
olarak elde edilir. t tahmin edicisinin hata kareler ortalaması ise,
( ) ( )2YtEtHKO −=
( ) ( ) ( )[ ( )( ) ( ) ( )
( ) ( )
( ) ( ){ }2
2233
2222
2
11121
121
1122
232
212131212121203202
1010123221110
e1ααe1αα2φ
eeαe2
1αe2
1ααeeφαα
eeeeφααeeeeφααeeαeeαφeeeeαeαeαφeeαeEtHKO
++′++
′−
++′−
+′+
′−′+′′−′++′−
−′++′−−′+≅
(5.16)
şeklindedir. Beklenen değerde kare alınıp, 2.dereceden sonraki e’li terimler ihmal
edilirse hata kareler ortalaması,
( ) ( ) ( )[( ) ( )
( ) ( ){ }]21213212121
20320210101
223222
23
22
22
211
21
21
21
20
eeeeαeeeeαφα2eeαeeαφ2eeeeα2
eeαα2eαeαφee2eeαeEtHKO
−′+′−′′−
+′−−′+
′++′+′−+′+≅
(5.17)
olarak bulunur. Eşitlik (5.17)’de, Eşitlik (3.6), Eşitlik (3.7), Eşitlik (3.42), Eşitlik
(3.43), Eşitlik (3.171) ve Eşitlik (3.172) yerine konulursa, t tahmin edicisinin hata
kareler ortalaması,
99
( ) ( )[ ( )( ) ( )
( ) ( ){ }]zxxz2zxxz13zxxz2zxxz221
zyyz13zyy22xyyx,1xyyx21
2z2
232
2z1
23
2z2
22
22x2
2x1
2x2
21
2y1
CCρfCCρfαCCρfCCρfαφα2CCρfαCCρfαφ2CCρfCCρfα2
Cfφαα2CfαCfαφCf2CfCfαCftHKO
−+−−
+−−+
+++−++≅
( )
( )
−−+
−+
−+
−
++≅
x
yyx1
2x121
z
xxz123
z
yyz22
2z2
z
yyz
z
xxz13
2z3
2y1
CC
ρ2αCαff
CCραφαα2
CC
ρ2φααφCf
CC
ρ2CCρα2φαCφαCftHKO
( ) ( ){ }[( ) ( ){ }
( )]yx12x13
xz123yz222z2
yzxz132z3
2y1
K2αCαf
Kαφαα2K2φααφCf
K2Kα2φαCφαCftHKO
−+
−+−+
−++≅
(5.18)
olarak bulunur. Önerilen tahmin edicide tanımlanan 1α 2α , 3α katsayılarının
optimum değerinin bulunmasıyla hata kareler ortalamasının minimum değeri
bulunabilir. Bu minimum değer, HKO’sının optimumu bulunmak istenen değere
göre türevinin alınıp sıfıra eşitlenmesiyle bulunur. Buradan 1α 2α , 3α ’ün optimum
değerleri bulunur: Buna göre,
( )( ) 10
zxxz
yzzxyx1 α
KK1KKK
α =−
−= (5.19)
( )( ) 20
zxxz
yzzxyxxz2 α
KK1φKKKK
α =−
−= (5.20)
( )( ) 30
zxxz
xzyxyz3 α
KK1φKKK
α =−
−= (5.21)
olarak elde edilir.
100
Eşitlik (5.19), Eşitlik (5.20) ve Eşitlik (5.21), Eşitlik (5.18)’de yerine konulursa hata
kareler ortalamasının minimum değeri,
( ) [ ]2xz.y3
2yz21
2ymin RfρffStHKO −−= (5.22)
olarak elde edilir. Burada, ( )( )2
xz
xzyzxy2yz
2xy2
xz.y ρ1ρρρ2ρρR
−−+
= ’dir.
321 α,α,α , ( )0a ≠ ve b yerine uygun değerler konularak çeşitli oransal ve çarpımsal
tahmin ediciler elde edilebilir. Ancak bu tahmin edici ailesiyle tüm tahmin edicilere
ulaşmak imkansızdır.Tezde verilen bir takım tahmin edicilere bu tahmin edici
ailesiyle ulaşılabilir ama hepsine ulaşılamaz. Bu tahmin edicilerin bazıları çizelge
(5.1)’de gösterilmiştir.
Çizelge.5.1. Tahmin Edici Ailesinde Elde Edilen Bazı Tahmin Ediciler
Tahmin edici 1α 2α 3α a b 1. yt0 = 0 0 0 - -
2.
′
=xxytR
1
1
0
0
-
-
3.
′=
xxytp
1 -1 0 0 - -
4. 1α
2 xxyt
′
=
Srivastava (1970)
1α
0
0
-
-
5.
′
′
=zZ
xxyt3
Chand(1975)
1
1
0
1
0
6. 21 αα
4 zZ
xxyt
′
′
=
Srivastava(1990)
1α 2α 0 1 0
101
Tahmin edici 1α 2α 3α a b
7.
+′+
′
=z
z5 Cz
CZxxyt
Upadhyaya ve Singh(1995)
1 1 0 1 zC
8. ( )( )
+′+
′
=z2
z26 Czzβ
CZzβxxyt
Upadhyaya ve Singh(2001)
1 1 0 ( )zβ2 zC
9. ( )( )
+′+
′
=zβzCzβZC
xxyt
2z
2z7
Upadhyaya ve Singh(2001)
1 1 0 zC ( )zβ2
10. ( )( )
++′
′
=z2
z28 CZzβ
Czzβxxyt
Upadhyaya ve Singh(2001)
1 -1 0 ( )zβ2 zC
11. ( )( )
++′
′
=zβZCzβzC
xxyt
2z
2z9
Upadhyaya ve Singh(2001)
1 -1 0 zC ( )zβ2
12. ( )( )
2α
z2
z210 Czzβ
CZzβxxyt
+′+
′
=
1 2α 0 ( )zβ2 zC
13. ( )( )
2α
2z
2z11 zβZC
zβzCxxyt
++′
′
=
1 2α 0 zC ( )zβ2
14. 2α
z
z12 σz
σZxxyt
+′+
′
=
Singh(2001)
1 2α 0 1 zσ
15. ( )( )
2α
z1
z113 σzzβ
σZzβxxyt
+′+
′
=
Singh(2001)
1 2α 0 ( )zβ1 zσ
102
Tahmin edici 1α 2α 3α a b
16. ( )( )
+′+
′
=z2
z214 σzzβ
σZzβxxyt
1 2α 0 ( )zβ2 zσ
Singh, Upadhyaya ve Chandra (2004), Singh, Singh ve Shukla(1994)’nın önerdiği
tahmin edici ailesini geliştirerek yeni bir tahmin edici ailesi önermişlerdir.
Singh, Upadhyaya ve Chandra’nın önerdiği geliştirilmiş tahmin edici ailesi,
( )( )( )( )
21 α
2
1α
1 dφψdφψ
xxyt
′
= (5.23)
1α , 2α : sabit katsayılardır ve ( ){ }dφψ i , Eşitlik (5.2), Eşitlik (5.3), Eşitlik (5.4) ve
Eşitlik (5.5)’te tanımlandığı gibidir. Burada, 1α1 = ve 1α2 = olduğunda Singh,
Singhve Shukla (1994)’nın önerdiği tahmin edici ailesi elde edilmektedir. Bu
tahmin edici ailesinin yanı,
( ) [ ( ) { ( )]21yz22z22yx1
2x131 φφK2*φαC*φαf1K2αCαf
2YtYan +−+++−≅ (5.24)
olarak elde edilir. Bu tahmin edici ailesinin hata kareler ortalaması ise,
( ) [ ( ) ( )]yx12x12yz22
2z3
2y1
2 K2αCαfK2*φαα*φCfCfYtHKO −++++≅ (5.25)
olarak elde edilir. Burada, 21 φφ*φ −= ’dir.
Önerilen tahmin edicide tanımlanan 1α ve 2α katsayılarının optimum değerinin
bulunmasıyla hata kareler ortalamasının minimum değeri bulunabilir. Bu minimum
değer, HKO’sının optimumu bulunmak istenen değere göre türevinin alınıp sıfıra
eşitlenmesiyle bulunur. Buradan 1α , 2α optimum değerleri :
103
yx1 Kα = (5.26)
*φK
α yz2 −= (5.27)
olarak bulunur.
Eşitlik (5.26), Eşitlik (5.27), Eşitlik (5.25)’te yerine konulursa hata kareler
ortalamasının minimum değeri,
( ) [ ]2yx3
2yz21
2ymin ρfρffStHKO −−= (5.28)
olarak elde edilir.
Singh, Upadhyaya ve Chandra (2004), önerdikleri kendi tahmin edici ailesini
geliştirerek yeni bir tahmin edici ailesi daha önermişlerdir.
Singh, Upadhyaya ve Chandra’nın önerdiği diğer geliştirilmiş tahmin edici ailesi,
( )( )( )( )
( )( )( )( )
321 α
2
1α
2
1α
2 dφ*ψdφ*ψ
dφψdφψ
xxyt
′
= (5.29)
şeklindedir.
1α , 2α , 3α sabit katsayılardır ve ( ){ }dφψ i , Eşitlik (5.2), Eşitlik (5.3), Eşitlik (5.4) ve
Eşitlik (5.5)’te tanımlandığı gibidir.
( ){ } ( ) ( ){ }zZdφ1dφdφ*ψ iii −+= (i=1,2) (5.30)
104
Bu tahmin edici ailesinin yanı,
( ) [ ( ){ }{ ( )}
( ){ ( )}]21yz322z22
21yz32z31
zx3yx12x132
φφK2α2α*φCα*φf
φφK2*φαC*φαf
K*φα21K2αCαf2YtYan
+−+++
+−++
−+−≅
(5.31)
olarak bulunur. Bu tahmin edici ailesinin hata kareler ortalaması ise,
( ) ( ){ }[( ) ( ){ }
( )]yx12x13
xz123yz222z2
xz1yz32z3
2y12
K2αCαf
Kα*φαα2K2*φαα*φCf
Kα2K2*φαCα*φCftHKO
−+
++++
−++≅
(5.32)
olarak bulunur. Burada, 21 φφ*φ −= ‘dir.
Önerilen tahmin edicide tanımlanan 1α , 2α , 3α katsayılarının optimum değerinin
bulunmasıyla hata kareler ortalamasının minimum değeri bulunabilir. Bu minimum
değer, HKO’sının optimumu bulunmak istenen değere göre türevinin alınıp sıfıra
eşitlenmesiyle bulunur. Buradan 1α , 2α , 3α optimum değerleri Eşitlik (5.19), Eşitlik
(5.20), Eşitlik (5.21)’ de verildiği gibidir. 1α , 2α , 3α optimum değerleri Eşitlik (5.32)’
de yerine konulursa hata kareler ortalamasının minimum değeri,
( ) [ ]2xz.y3
2yz21
2y2min RfρffStHKO −−= (5.33)
olarak elde edilir. Burada, ( )( )2
xz
xzyzxy2yz
2xy2
xz.y ρ1ρρρ2ρρR
−−+
= ’dir.
Buradan da görüldüğü gibi Eşitlik(5.22) ve Eşitlik(5.33) birbirine eşittir. Yani Singh
Upadhyaya ve Chandra’nın önerdiği ilk t tahmin edici ailesinin minimum HKO’su ile
sonradan önerdikleri 2t tahmin edici ailesinin minimum HKO’su birbirine eşittir.
( ) ( )2minmin tHKOtHKO = (5.34)
105
ALTINCI BÖLÜM 6. TAHMİN EDİCİLERİN KARŞILAŞTIRILMASI İki safhalı örnekleme yönteminde, ilgilenilen değişken Y’nin kitle ortalaması çeşitli
tahmin edicilerle alt örneklemde tahmin edilir. Tahmin edicilerin
karşılaştırılmasında oransal ve regresyon tahmin ediciler ayrı ayrı ele alınmıştır.
Yardımcı değişkenin kitle ortalaması X , ön örneklemde çeşitli tahmin
yöntemleriyle tahmin edilir. Tahmin edicilerin karşılaştırılmasında, yardımcı
değişken kitle ortalaması X ’nın tahmininde kullanılan çeşitli tahmin ediciler dikkate
alınmıştır. Yardımcı değişkenin kitle ortalaması X ’nın tahmininde kullanılan farklı
tahmin edicilerin hangi koşullar altında etkin olduğu incelenmiştir.
6.1. Oransal Tahmin Edicilerinin Karşılaştırılması 6.1.1. Basit oransal tahmin edici ile Srivastava tahmin edicisinin karşılaştırılması
yxKα = olmak üzere, Eşitlik (3.22) ve Eşitlik (3.38) kullanılarak,
( ) ( )BOs yHKOyHKO <
eşitsizliği yazılır.Buradan,
[ ] ( )[ ]yx2x3
2y1
22xyx
23
2y1
2 K21CfCfYCKfCfY −+<−
( )2yx 1K0 −< (6.1)
elde edilir. Eşitlik (6.1)’deki koşul 1K yx ≠ olduğu durumda her zaman sağlandığı
için sy tahmin edicisi BOy tahmin edicisinden her zaman daha etkin olur. 1K yx =
olduğunda etkinlikleri eşit olur.
106
6.1.2. Basit oransal tahmin edici ile Chand tahmin edicisi-1’in karşılaştırılması
Eşitlik (3.22) ve Eşitlik (3.55) kullanılarak,
( ) ( )BO1C yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )[ ] ( )BOyz2z2
2BO yHKOK21CfYyHKO <−+
yzK21< (6.2)
elde edilir. Eşitlik (6.2)’deki koşulun sağlanması durumunda 1Cy tahmin edicisi BOy
tahmin edicisinden daha etkin olur.
6.1.3. Basit oransal tahmin edicisi ile Kiregyera oransal tahmin edicisinin karşılaştırılması
Eşitlik (3.22) ve Eşitlik (3.77) kullanılarak,
( ) ( )BOK yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( ) ( )BOyzxzxz2z2
2BO yHKOK2KKCfYyHKO <−+
( ) 0K2KK yzxzxz <−
0KK2 xzyz << (6.3)
ya da
0KK2 xzyz >> (6.4)
107
elde edilir. Eşitlik (6.3) ya da Eşitlik (6.4)’teki koşulların sağlanması durumunda Ky
tahmin edicisi BOy tahmin edicisinden daha etkin olur.
6.1.4. Chand tahmin edicisi-1 ile Kiregyera oransal tahmin edicisinin karşılaştırılması
Eşitlik (3.55) ve Eşitlik (3.77) kullanılarak,
( ) ( )1CK yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )yzxzxz2z2
2BO K2KKCfYyHKO −+ ( ) ( )[ ]yz
2z2
2BO K21CfYyHKO −+<
( ) yzyzxzxz K21K2KK −<−
( )1KK21K xzyz2xz −<−
( )( ) ( )1KK21K1K xzyzxzxz −<+−
1K xz > ise 2
1KK xzyz
+> (6.5)
ya da
1K xz < ise 2
1KK xzyz
+< (6.6)
elde edilir. Eşitlik (6.5) ya da Eşitlik (6.6)’daki koşulların sağlanması durumunda
Ky tahmin edicisi 1Cy tahmin edicisinden daha etkin olur.
6.1.5. Upadhyaya tahmin edicisi ile Kiregyera oransal tahmin edicisinin karşılaştırılması
Eşitlik (3.76) ve Eşitlik (3.86) kullanılarak,
( ) ( )KU yHKOyHKO <
108
eşitsizliği yazılır. Buradan,
( )2yx2x3 1KCf1 −< (6.7)
elde edilir. Eşitlik (6.7)’deki koşul 1K yx ≠ olduğu durumda her zaman sağlandığı
için Uy tahmin edicisi Ky tahmin edicisinden her zaman daha etkin olur. 1K yx =
olduğunda etkinlikleri eşit olur.
6.1.6. Singh ve Upadhyaya tahmin edicisi-1 ile Singh ve Upadhyaya-tahmin edicisi-3’ün karşılaştırılması
Eşitlik (3.96) ve Eşitlik (3.115) kullanılarak
( ) ( )1su3su yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )yzyz11 K2θθK2θθ −<−
( )θθK2θθ 1yz22
1 −<−
( )( ) ( )θθK2θθθθ 1yz11 −<+−
θθ1 > ise ( )2θθK 1
yz+
> (6.8)
ya da
θθ1 < ise ( )2θθK 1
yz+
< (6.9)
elde edilir. Eşitlik (6.8) yada Eşitlik (6.9)’daki koşulların sağlanması durumunda
3suy tahmin edicisi 1suy tahmin edicisinden daha etkin olur.
6.1.7. Singh ve Upadhyaya tahmin edicisi-1 ile Singh ve Upadhyaya tahmin edicisi-4’ün karşılaştırılması
Eşitlik (3.96) ve Eşitlik (3.123) kullanılarak,
109
( ) ( )1su4su yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )yzyz22 K2θθK2θθ −<−
( )θθK2θθ 2yz22
2 −<−
( )( ) ( )θθK2θθθθ 2yz22 −<+−
θθ2 > ise ( )2θθK 2
yz+
> (6.10)
ya da
θθ2 < ise ( )2θθK 2
yz+
< (6.11)
elde edilir. Eşitlik (6.10) ya da Eşitlik (6.11)’daki koşulların sağlanması durumunda
4suy tahmin edicisi 1suy tahmin edicisinden daha etkin olur.
6.1.8. Singh ve Upadhyaya tahmin edicisi-3 ile Singh ve Upadhyaya tahmin edicisi-4’ün karşılaştırılması
Eşitlik (3.115) ve Eşitlik (3.123) kullanılarak,
( ) ( )3su4su yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )yz11yz22 K2θθK2θθ −<−
( )12yz2
122 θθK2θθ −<−
( )( ) ( )12yz1212 θθK2θθθθ −<+−
12 θθ > ise ( )2θθK 12
yz+
> (6.12)
ya da
110
12 θθ < ise ( )2θθK 12
yz+
< (6.13)
elde edilir. Eşitlik (6.10) ya da Eşitlik (6.11)’daki koşulların sağlanması durumunda
4suy tahmin edicisi 3suy tahmin edicisinden daha etkin olur.
6.1.9. Singh ve Upadhyaya tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-1’in karşılaştırılması
Eşitlik (3.96) ve Eşitlik (3.136) kullanılarak i=1 için,
( )( ) ( )1su1
sg yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )yzyz11 K2θθK2φφ −<−
( )θφK2θφ 1yz22
1 −<−
( )( ) ( )θφK2θφθφ 1yz11 −<+−
11 θφ > ise ( )2θφK 1
yz+
> (6.12)
ya da
θφ1 < ise ( )2θφK 1
yz+
< (6.13)
elde edilir. Eşitlik (6.12) ya da Eşitlik (6.13)’ekikoşulların sağlanması durumunda
sg)1(y tahmin edicisi 1suy tahmin edicisinden daha etkin olur.
6.1.10. Singh ve Upadhyaya tahmin edicisi-3 ile Singh genelleştirilmiş tahmin edicisi-3’ün karşılaştırılması
Eşitlik (3.115) ve Eşitlik (3.136) kullanılarak i=3 için,
( )( ) ( )3su3
sg yHKOyHKO <
111
eşitsizliği yazılır. Buradan,
( ) ( )yz11yz33 K2θθK2φφ −<−
( )13yz2
123 θφK2θφ −<−
( )( ) ( )13yz1313 θφK2θφθφ −<+−
13 θφ > ise ( )
2θφ
K 13yz
+> (6.14)
ya da
13 θφ < ise ( )
2θφ
K 13yz
+< (6.15)
elde edilir. Eşitlik (6.14) ya da Eşitlik (6.15)’teki koşulların sağlanması durumunda
sg)3(y tahmin edicisi 3suy tahmin edicisinden daha etkin olur.
6.1.11. Singh genelleştirilmiş tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-2’nin karşılaştırılması
Eşitlik (3.136) kullanılarak i=1 ve i=2 için,
( )( ) ( )( )1sgsg
2 yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )yz11yz22 K2φφK2φφ −<−
( )12yz2
122 φφK2φφ −<−
( )( ) ( )12yz1212 φφK2φφφφ −<+−
12 φφ > ise ( )2φφK 12
yz+
> (6.16)
ya da
12 φφ < ise ( )2φφK 12
yz+
< (6.17)
elde edilir. Eşitlik (6.16) ya da Eşitlik (6.17)’deki koşulların sağlanması durumunda
112
sg)2(y tahmin edicisi sg
)1(y tahmin edicisinden daha etkin olur.
6.1.12. Singh genelleştirilmiş tahmin edicisi-2 ile Singh genelleştirilmiş tahmin edicisi-3’ün karşılaştırılması
Eşitlik (3.136) kullanılarak i=2 ve i=3 için,
( )( ) ( )( )2sgsg
3 yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( )yz22yz33 K2φφK2φφ −<−
( )23yz2
223 φφK2φφ −<−
( )( ) ( )23yz2323 φφK2φφφφ −<+−
23 φφ > ise ( )
2φφ
K 23yz
+> (6.18)
ya da
23 φφ < ise ( )
2φφ
K 23yz
+< (6.19)
elde edilir. Eşitlik (6.18) ya da Eşitlik (6.19)’daki koşulların sağlanması durumunda
sg)3(y tahmin edicisi sg
)2(y tahmin edicisinden daha etkin olur.
6.1.13. Singh genelleştirilmiş tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-3’ün karşılaştırılması
Eşitlik (3.136) kullanılarak i=1 ve i=3 için,
( )( ) ( )( )1sgsg
3 yHKOyHKO <
eşitsizliği yazılır. Buradan,
113
( ) ( )yz11yz33 K2φφK2φφ −<−
( )13yz2
123 φφK2φφ −<−
( )( ) ( )13yz1313 φφK2φφφφ −<+−
13 φφ > ise ( )
2φφ
K 13yz
+> (6.20)
ya da
13 φφ < ise ( )
2φφ
K 13yz
+< (6.21)
elde edilir. Eşitlik (6.20) ya da Eşitlik (6.21)’deki koşulların sağlanması durumunda
sg)3(y tahmin edicisi sg
)1(y tahmin edicisinden daha etkin olur.
6.1.14. Kiregyera oransal tahmin edicisi ile Prasad, Singh ve Singh tahmin edicisi-1’in karşılaştırılması
yzKθ = olmak üzere, Eşitlik (3.76) ve Eşitlik (3.152) kullanılarak,
( ) ( )KPSS yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( ) ( )yzxzxz2z2
2BO
2yz
2z2
2BO K2KKCfYyHKOKCfYyHKO −+<−
( )2xzyzxz
2yz
2z2
2 KKK2KCfY0 +−<
( )2xzyz KK0 −< (6.22)
elde edilir. Eşitlik (6.22)’deki koşul xzyz KK ≠ olduğu durumda her zaman
sağlandığı için PSSy tahmin edicisi Ky tahmin edicisinden her zaman daha etkin
olur. xzyz KK = olduğunda etkinlikleri eşit olur.
114
6.1.15. Chand tahmin edicisi-1 ile Prasad, Singh ve Singh tahmin edicisi-1’in karşılaştırılması
yzKθ = olmak üzere, Eşitlik (3.55) ve Eşitlik (3.152) kullanılarak,
( ) ( )1CPSS yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) ( ) ( )[ ]yz2z2
2BO
2yz
2z2
2BO K21CfYyHKOKCfYyHKO −+<−
( )1K2KCfY0 yz2yz
2z2
2 +−<
( )2yz 1K0 −< (6.23)
elde edilir Eşitlik (6.23)’teki koşul 1K yz ≠ olduğu durumda her zaman sağlandığı
için PSSy tahmin edicisi 1Cy tahmin edicisinden her zaman daha etkin olur. 1K yz =
olduğunda etkinlikleri eşit olur.
6.1.16. Upadhyaya tahmin edicisi ile Prasad, Singh ve Singh tahmin edicisi-1’in karşılaştırılması
yzKθ = olmak üzere, Eşitlik (3.86) ve Eşitlik (3.152) kullanılarak,
( ) ( )UPSS yHKOyHKO <
Eşitsizliği yazılır. Buradan,
( )[ ] [ ( )]yzxz2zxz2
2x
2yx3
2y1
22yz
2z2yx
2x3
2y1
2 K2KCKfCKfCfYKCfK21CfCfY −+−<−−+
( ) ( )2xzyz2z2
2yx
2x3 KKCf1KCf −<−
( ) ( )2xzyz
2
yxz
x
2
3 KK1KCC
ff
−<
− (6.24)
115
elde edilir. Eşitlik (6.24)’teki koşul sağlandığı durumda PSSy tahmin edicisi Uy
tahmin edicisinden daha etkin olur.
6.1.17. Upadhyaya tahmin edicisi ile Prasad, Singh ve Singh tahmin edicisi -2’nin karşılaştırılması
yxKα = ve yzKβ = olmak üzere, Eşitlik (3.86) ve Eşitlik (3.167) kullanılarak,
( )( ) ( )Uβ,α
PSS yHKOyHKO <
Eşitsizliği yazılır. Buradan,
[ ] [ ( )]yzxz2zxz2
2x
2yx3
2y1
22yz
2z2
2yx
2x3
2y1
2 K2KCKfCKfCfYKCfKCfCfY −+−<−−
( )2xzyz KK0 −< (6.25)
elde edilir. Eşitlik (6.25)’teki koşul xzyz KK ≠ olduğu durumda her zaman sağlandığı
için ( )β,αPSSy tahmin edicisi Uy tahmin edicisinden her zaman daha etkin olur.
xzyz KK = olduğu durumda etkinlikleri eşit olur.
6.1.18. Prasad, Singh ve Singh tahmin edicisi-1 ile Prasad, Singh ve Singh tahmin edicisi-2’nin karşılaştırılması
yxKα = ve yzKβ = olmak üzere, Eşitlik (3.152) ve Eşitlik (3.167) kullanılarak,
( )( ) ( )PSSβ,α
PSS yHKOyHKO <
eşitsizliği yazılır. Buradan,
[ ] ( )[ ]2yz
2z2yx
2x3
2y1
22yz
2z2
2yx
2x3
2y1
2 KCfK21CfCfYKCfKCfCfY −−+<−−
( )2yx 1K0 −< (6.26)
116
elde edilir. Eşitlik (6.26)’daki koşul 1K yx ≠ olduğu durumda her zaman sağlandığı
için ( )β,αPSSy tahmin edicisi PSSy tahmin edicisinden her zaman daha etkin olur.
1K yx = olduğunda etkinlikleri eşit olur.
6.1.19. Prasad, Singh ve Singh tahmin edicisi-2 ile Prasad, Singh ve Singh tahmin edicisi-3’ün karşılaştırılması
Eşitlik (3.167) ve Eşitlik (3.192) kullanılarak,
( )( ) ( )( )β,αPSS
γ,β,αPSSmin yHKOyHKO <
eşitsizliği yazılır. Buradan,
[ ]2yz
2z2
2yx
2x3
2y1
2yz
222
xz
xzyxyz2yx
2yz
312y KCfKCfCfYρf
ρ1ρρρ2ρρ
ffS −−<
−
−
−+−
[ ]2yz2
2yx31
2yyz
222
xz
xzyxyz2yx
2yz
312y ρfρffSρf
ρ1ρρρ2ρρ
ffS −−<
−
−
−+−
( )
( )2xz
2yzxzyx2
y3 ρ1ρρρ
Sf0−
−< (6.27)
elde edilir. Eşitlik (6.27)’deki koşul yzxzyx ρρρ ≠ ve 1ρxz ≠ olduğu durumda her
zaman sağlandığı için ( )γ,β,αPSSy tahmin edicisi ( )β,α
PSSy tahmin edicisinden her zaman
daha etkin olur. yzxzyx ρρρ = olduğunda etkinlikleri eşit olur.
6.2. Regresyon Tahmin Edicilerinin Karşılaştırılması
6.2.1. İki safhalı klasik regresyon tahmin edicisi ile Mohanty tahmin edicisi-1’in karşılaştırılması
Eşitlik (4.11) ve Eşitlik (4.20) kullanılarak,
117
( ) ( )SR1M yHKOyHKO <
eşitsizliği yazılır. Buradan,
[ ] ( ){ }[ ( )]yxzx2xyx3yz
2z
2y1
22xyx
23
2y1
2 KK2CKfK21CCfYCKfCfY −+−+<−
( )1K2CfCKKf2 yz2z1
2xzxyx3 −<
( ) 2x
2z
3
1
yz
zxyx
CC
ff
1K2KK2
>−
(6.28)
elde edilir. Eşitlik (6.28)’deki koşulun sağlandığı durumda 1My tahmin edicisi SRy
tahmin edicisinden daha etkin olur.
6.2.2. Mohanty tahmin edicisi-2 ile Kiregyera regresyon tahmin edicisi-1’in karşılaştırılması
Eşitlik (4.28) ve Eşitlik (4.37) kullanılarak,
( ) ( )2M1K yHKOyHKO <
eşitsizliği yazılır. Buradan,
( ) 2xzxyx3yz
2z3
2zyzyx2
2yx
2z2 CKKf2K21CfCKKf2KCf +−<+
( ) ( )
+
−<+ zx
yx
yz2zyx3yzyxyx
2z2 K2
KK21
CKfK2KKCf
( ) ( )
+
−<+ zx
yx
yz3yzyx2 K2
KK21
fK2Kf
( ) ( )yzyxzx
yx
yz
3
2 K2KK2K
K21ff
+
+
−> (6.29)
elde edilir. Eşitlik (6.29)’daki koşulun sağlandığı durumda 1Ky tahmin edicisi 2My
tahmin edicisinden daha etkin olur.
118
6.2.3. Kiregyera regresyon tahmin edicisi-1 ile Kiregyera regresyon tahmin edicisi-2’nin karşılaştırılması
Eşitlik (4.37) ve Eşitlik (4.44) kullanılarak,
( ) ( )1K2K yHKOyHKO <
eşitsizliği yazılır. Buradan,
[ ( )] [ ( )]yzyx2zyx2
2x
2yx3
2y1
2yzxz
2zxz2
2x
2yx3
2y1
2 K2KCKfCKfCfYKKCKfCKfCfY ++−<−+−
( ) ( )]yzyxyzxz K2KKK +<− ( )0K xz >
( ) yzyxxz K3KK <−
( )0K xz > ise ( )
3KK
K yxxzyz
−> (6.30)
ya da
( )0K xz < ise ( )
3KK
K yxxzyz
−< (6.31)
elde edilir. Eşitlik (6.30) ya da Eşitlik (6.31)’deki koşulların sağlandığı durumda 2Ky
tahmin edicisi 1Ky tahmin edicisinden daha etkin olur.
Tahmin edicilerin karşılaştırılması sonucunda, bazı tahmin edicilerin her koşulda
bazı tahmin edicilere göre üstünlükleri teorik olarak gösterilmiştir. Prasad, Singh ve
Singh (2002) üç adet tahmin edici önermiştir. Her önerdikleri tahmin edici bir
önceki önerdikleri tahmin ediciden her koşulda daha etkin bulunmuştur. Ayrıca
önerdikleri üç tahmin edicinin de her koşulda Chand (1975), Kiregyera (1980)
tahmin edicilerinden daha etkin oldukları teorik olarak gösterilmiştir. Önerdikleri ilk
tahmin edici hariç diğer iki tahmin edicilerinin Upadhyaya (1990) tahmin
edicisinden her koşulda etkin olduğu teorik olarak gösterilmiştir. Diğer tahmin
edicilerin birbirine göre etkinlikleri koşullar altında teorik olarak bulunmuştur. Bu
teorik karşılaştırmalar uygulama bölümünde sayısal değerler yardımıyla
gösterilecektir.
119
YEDİNCİ BÖLÜM 7. SAYISAL ÖRNEK Sayısal örnekte, “Türkiye genelinde ilk ve ortaöğretim olanaklarının incelenmesi ve
belirlenen aksaklıklara çözüm önerilerinin getirilmesi” konulu projede kullanılan
Milli Eğitim Bakanlığı verileri kullanılmıştır. Türkiye’de ilk ve ortaöğretim olanakları,
ilçe, il ve coğrafik bölge bazında farklılıklar göstermektedir. Bu çalışmada, bu
farklılıklar Türkiye’deki 923 ilçede ölçülen çeşitli değişkenlere göre incelenmiştir.
Sayısal örnek için bu değişkenlerden üçü seçilmiştir. İlgilenilen değişken Y, 2006
yılında ÖSS’ye göre yerleşen öğrenci sayısı; ilk yardımcı değişken X
ortaöğretimdeki okul sayısı, ikinci yardımcı değişken Z ÖSS hazırlık dersane
sayısı olarak alınmıştır. Bu çalışmada, ilçe başına düşen ortaöğretimdeki okul
sayısı ve ilçe başına düşen ÖSS hazırlık dersane sayısından yararlanarak 2006
yılında ÖSS’ye göre ilçelerde yerleşen ortalama öğrenci sayısı tahmin edilmeye
çalışılacaktır.
İki safhalı örnekleme yönteminde, kitle birimi ilçelerdir. Kitle 923 tane ilçeden
oluşmaktadır. Ön örneklem ve alt örneklem yerine konmadan basit rasgele
örnekleme ile seçilir. Örneklem büyüklüklerinin tahmininde ,
2
2y
2
0 dSt
n = ⇒
Nn1
nn0
0
+= , (7.1)
eşitlikleri kullanılabilir (Çıngı,1994).
Bu eşitliklerden yararlanarak ön ve alt örneklem büyüklükleri tahmin edilir.
Ön örneklem için, hoş görülebilecek hata miktarı (d), yaklaşık olarak 50
alındığında ön örneklem büyüklüğü 765 olarak tahmin edilmiştir.
50d = için ön örneklem büyüklüğü,
( )4493,41
502808381*4
dSt
n 22
2y
2
0 === (7.2)
120
765
92341,44931
41,4493
Nn1
nn0
0 ≅+
=+
=′ (7.3)
olarak tahmin edilir. ( )2808381S2y =
765 birimlik ön örneklemden seçilecek alt örneklem büyüklüğü için hoş
görülebilecek hata miktarı (d), yaklaşık olarak 100 alındığında alt örneklem
büyüklüğü 447 olarak tahmin edilmiştir.
765n =′ ve d=100 için seçilen alt örneklem büyüklüğü,
( )30,0731
1002683257*4
dSt
n 22
2y
2
0 === (7.4)
447
76530,07311
30,0731
Nn1
nn0
0 ≅+
=+
= (7.5)
olarak tahmin edilir ( )2683257S2y = .
N=923 olan kitleden, basit rasgele örnekleme ile yerine konmadan 765n =′
büyüklüğinde ön örneklem seçilmiştir. Bu örneklemde X ve Z değişkenlerine ait
tahminler yapılacaktır. Daha sonra basit rasgele örnekleme ile yerine koymadan
765n =′ olan ön örneklemden 447n = büyüklüğünde bir alt örneklem seçilmiştir.
Bu örneklemde Y, X ve Z değişkenlerine ait tahminler yapılacaktır. Örneklemlere
ve kitleye ait bilgiler Çizelge (7.1) ve Çizelge (7.2)’de gösterilmiştir
Çizelge (7.1) 2006 Yılında ÖSS’ye Göre Yerleşen Öğrenci Sayısı Y,
Ortaöğretimdeki Okul Sayısı X, ÖSS Hazırlık Dersane Sayısı Z
Değişkenlerine Ait Kitle Bilgileri
46,729Y = 30,8X = 87,2Z =
2808381S2y = 908,148S2
x = 236,113S2z =
2973,2Cy = 4699,1Cx = 7073,3Cz =
93,0ρyx = 733,0ρyz = 667,0ρxz =
1404,3Cyx = 2430,6Cyz = 6347,3Cxz =
121
4535,1K yx = 4542,0K yz = 2645,0K xz =
663,1127βyx = 441,115βyz = 765,0βxz =
( ) 162,399zβ2 = ( ) 26,17zβ1 = N=923
Çizelge (7.2) 2006 Yılında ÖSS’ye Göre Yerleşen Öğrenci Sayısı Y,
Ortaöğretimdeki Okul Sayısı X, ÖSS Hazırlık Dersane Sayısı Z
Değişkenlerine Ait Örneklem Bilgileri { ( )765n =′ ,(n=447) }
765n =′ 447n = ( ) 0012,0N1
n1f1 =−=
40,8x =′ 66,557y = ( ) 0002,0N1
n1f2 =−′=
92,2z =′ 82,2z = 00010,0
n1
n1f3 =
′−=
57,8x = 498,3byx =
175,4bxz =
Üçüncü ve dördüncü bölümde incelenen tüm tahmin edicilerin, bu örneklemler ve
kitle üzerinden tahminleri, yanları ve hata kareler ortalaması hesaplanmıştır.
Yalnızca Chand (1975)’ın önerdiği çarpımsal-oransal tahmin edici ( )2Cy ve Singh
ve Espejo (2007)’nun önerdiği çarpımsal-oransal tahmin edici ( )zoçy , iki değişken
arasındaki doğrusal ilişkinin negatif olması gerektiğinden hesaplanamamıştır.
Tahmin edicilerin tahmin, yan ve hata kareler ortalaması değerleri ve HKO’ların
küçükten büyüğe doğru sıralanışı Çizelge (7.3)’te gösterilmiştir.
122
Çizelge (7.3) Tahmin Edicilerin Tahmin, Yan ve Hata Kareler Ortalaması Değerleri
ve HKO Sıralaması { ( )765n =′ ,(n=447) }
Tahmin Edici Tahmin Yan HKO HKO
SırasıZincirleme Basit Oransal TE’si
xxyyBO′
= 740,67 -0,66 1201,17
13
Srivastava (1970)’nın TE’si α
s xxyy
′
= 748,81 0,03 981,25
10
Chand (1975) TE’si1
′′
= Zzx
xyy 1C
727,99 0,56 1350,99
16
Kiregyera (1980) Oransal.TE’si
( )[ ]zZbxxyy xzK ′−+′=
722,26 -0,55 922,46
8
Upadhyaya (1990) TE’si ( )[ ]( )
′−+′
′−+′=
xxbyxx
zZbxyy
yx
xzU
736,29 0,85 702,54
4
Singh ve Upadhyaya (1995) TE’si-1
+′+′=
z
z1su Cz
CZxxyy
749,96 -2,09 864,05
6
Singh ve Upadhyaya (2001) TE’si-2
x1Cf
1xyy 2
x22su ′
+=
716,79 -26,32 1708,51
17
Singh ve Upadhyaya (2001) TE’si-3
( )( )
+′+′=
z2
z23su Czzβ
CZzβxxyy
728,03 -1,68 1345,25
15
Singh ve Upadhyaya (2001) TE’si-4
( )( )
+′+′=
zβzCzβZCx
xyy
2z
2z4su
740,34 -0,69 1163,671
12
123
Tahmin Edici Tahmin Yan HKO HKO Sırası
Singh Genelleştirilmiş (2001) TE’si-1
( )
+′+′=
Z
Zsg
1
σzσZx
xyy
737,94 -0,88 959,20
9
Singh Genelleştirilmiş (2001) TE’si-2
( ) ( )( )
+′+′=
z1
z1sg
2
σzzβσZzβx
xyy
730,20 -1,50 1086,31
11
Singh Genelleştirilmiş (2001) TE’si-3
( ) ( )( )
+′+′=
z2
z2sg
3
σzzβσZzβx
xyy
728,10 -1,67 1334,69
14
Prasad,Singh ve Singh (2002) TE’si-1
( )[ ]Z
zZKZxxyy yz
PSS
′−+
′
=
734,81 -1,13 863,52
5
Prasad,Singh ve Singh (2002) TE’si-2
( )
( )[ ] ( )[ ]Zβ1zβZ
xα1xαxyy β,α
PSS −+′′−+′
=
728,30 yansiz 643,61
3
Prasad,Singh ve Singh (2002) -3
( )
( )[ ] ( )[ ] ( )[ γ1zγZ
Zβ1zβZ
xα1xαxyy γ,β,α
PSS −+−+′′−+′
=
756,72 2,92 583,86
2
İki Safhalı Klasik Regresyon TE’si )xx(byy yxSR −′+=
755,07 yansiz 981,25
10
Mohanty (1967) TE’Si-1
( )[ ]zZxxbyy yx1M −′+=
768,45 2,73 6982,33
19
124
Tahmin Edici Tahmin Yan HKO HKO Sırası
Mohanty (1967) TE’Si-2
( )[ ]zzxxbyy yx2M′
−′+=
781,84 4,44 10105,51
20
Kiregyera (1984)Regresyon TE’Si-1
−′′
+= xZzxbyy yx1K
754,56 2,40 6599,76
18
Kiregyera (1984) Regresyon TE’Si-2
( ) ( )[ ]Zzbxxbyy xzyx2K −′−−′+=
754,34 yansiz 899,12
7
Roy (2003) TE’si ( ) ( ){ }[ ]zZkxzZkxkyy 321R −+−′−+′+=
740,05 yansiz 583,80
1
7.1. Teorik Karşılaştırmaların Uygulamadaki Sonuçları Altıncı bölümde verilen teorik karşılaştırmaların uygulamadaki sonuçları şu
şekildedir. Uygulamadaki 765n =′ olan ön örneklem ve n=447 olan alt örneklemin
sonuçları üzerinde karşılaştırmalar verilecektir.
Basit oransal tahmin edici ile Chand tahmin edicisi-1 karşılaştırıldığında, 21K yz>
koşulu altında ( ) ( )BO1C yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
45,0K yz = olarak bulunmuştur. Bu durumda 21K yz> koşulu sağlanmaz.
( ){ } ( ){ }17,1201yHKO99,1350yHKO BO1C =<= olduğu görülmektedir. Koşul
sağlanmadığı için BOy tahmin edicisi 1Cy tahmin edicisinden daha etkindir.
Basit oransal tahmin edici ile Kiregyera oransal tahmin edicisi karşılaştırıldığında,
0KK2 xzyz << ya da 0KK2 xzyz >> koşulu altında ( ) ( )BOK yHKOyHKO < eşitsizliği
sağlanmaktadır. Uygulamada 45,0K yz = ve 27,0K xz = bulunmuştur.
125
Bu durumda { } { } 027,0K90,0K2 xzyz >=>= koşulu sağlanır.
( ){ } ( ){ }17,1201yHKO46,922yHKO BOK =<= olduğu görülmektedir. Koşul sağlandığı
için Ky tahmin edicisi BOy tahmin edicisinden daha etkindir.
Chand tahmin edicisi-1 ile Kiregyera oransal tahmin edicisi karşılaştırıldığında,
1K xz > ise 2
1KK xzyz
+> ya da 1K xz < ise
21KK xz
yz+
< koşulu altında
( ) ( )1CK yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada 45,0K yz = ve
27,0K xz = olarak bulunmuştur.
Bu durumda, 127,0K xz <= ’dir ve { }
=
+<= 635,0
2127,045,0K yz koşulu sağlanır.
( ){ } ( ){ }99,1350yHKO46,922yHKO 1CK =<= olduğu görülmektedir. Koşul sağlandığı
için Ky tahmin edicisi 1Cy tahmin edicisinden daha etkindir.
Singh ve Upadhyaya tahmin edicisi-1 ile Singh ve Upadhyaya-tahmin edicisi-3
karşılaştırıldığında, θθ1 > ise ( )2θθK 1
yz+
> ya da θθ1 < ise ( )2θθK 1
yz+
<
koşulunda ( ) ( )1su3su yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
436,0θ = ve 997,0θ1 = olarak bulunmuştur. Bu durumda θθ1 > ‘dir.
Fakat { } ( ) ( )
=
+=
+>= 71,0
2997,0436,0
2θθ45,0K 1
yz koşulu sağlanmaz.
( ){ } ( ){ }05,864yHKO25,1345yHKO 1su3su =>= olduğu görülmektedir. Koşul
sağlanmadığı için 1suy tahmin edicisi 3suy tahmin edicisinden daha etkindir.
Singh ve Upadhyaya tahmin edicisi-1 ile Singh ve Upadhyaya-tahmin edicisi-4
karşılaştırıldığında, θθ2 > ise ( )2θθK 2
yz+
> ya da θθ2 < ise ( )2θθK 2
yz+
<
koşulunda ( ) ( )1su4su yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
436.0θ = ve 026,0θ2 = olarak bulunmuştur. Bu durumda θθ2 < ‘dir. Fakat
{ } ( ) ( )
=
+=
+<= 23,0
2026,0436,1
2θθ45,0K 2
yz koşulu sağlanmaz.
126
( ){ } ( ){ }05,864yHKO67,1163yHKO 1su4su =>= olduğu görülmektedir. Koşul
sağlanmadığı için 1suy tahmin edicisi 4suy tahmin edicisinden daha etkindir.
Singh ve Upadhyaya tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-1
karşılaştırıldığında, θφ1 > ise ( )2θφK 1
yz+
> ya da θφ1 < ise ( )2θφK 1
yz+
<
koşulunda ( )( ) ( )1susg1 yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
436.0θ = ve 212,0φ1 = olarak bulunmuştur. Bu durumda θφ1 < ‘dir. Fakat
{ } ( ) ( )
=
+=
+<= 32,0
2212,0436,0
2θφ45,0K 1
yz koşulu sağlanmaz.
( )( ){ } ( ){ }05,864yHKO2,959yHKO 1susg1 =>= olduğu görülmektedir. Koşul
sağlanmadığı için 1suy tahmin edicisi ( )sg
1y tahmin edicisinden daha etkindir.
Singh ve Upadhyaya tahmin edicisi-3 ile Singh genelleştirilmiş tahmin edicisi-3
karşılaştırıldığında, 13 θφ > ise ( )
2θφK 13
yz+
> ya da 13 θφ < ise ( )
2θφK 13
yz+
<
koşulunda ( )( ) ( )3susg3 yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
997,0θ1 = ve 991,0φ3 = olarak bulunmuştur. Bu durumda 13 θφ < ‘dir ve
( ) ( ) 99,02
997,0991,02θφ45,0K 23
yz =+
=+
<= koşulu sağlanır.
( )( ){ } ( ){ }25,1345yHKO7,1334yHKO 3susg3 =<= olduğu görülmektedir. Koşul
sağlandığı için ( )sg
3y tahmin edicisi 3suy tahmin edicisinden daha etkindir.
Singh genelleştirilmiş tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-2
karşılaştırıldığında, 12 φφ > ise ( )2φφK 12
yz+
> ya da 12 φφ < ise ( )2φφK 12
yz+
<
koşulunda ( ) ( )sg)1(
sg)2( yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
21,0φ1 = ve 82,0φ2 = olarak bulunmuştur. Bu durumda, 12 φφ > ‘dir.
{ } ( ) ( )
=
+=
+>= 51,0
282,021,0
2φφ45,0K 21
yz koşulu sağlanmamaktadır.
127
( ){ } ( ){ }20,959yHKO31,1086yHKO sg)1(
sg)2( =>= olduğu görülmektedir. Koşul
sağlanmadığı için sg)1(y tahmin edicisi sg
)2(y tahmin edicisinden daha etkindir.
Singh genelleştirilmiş tahmin edicisi-1 ile Singh genelleştirilmiş tahmin edicisi-3
karşılaştırıldığında, 13 φφ > ise ( )
2φφK 31
yz+
> ya da 13 φφ < ise ( )
2φφK 31
yz+
<
koşulunda ( ) ( )sg)1(
sg)3( yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
21,0φ1 = ve 991,0φ3 = olarak bulunmuştur. Bu durumda, 13 φφ > ‘dir.
{ } ( ) ( )
=
+=
+>= 60,0
2991,021,0
2φφ45,0K 31
yz koşulu sağlanmamaktadır.
( ){ } ( ){ }20,959yHKO7,1334yHKO sg)1(
sg)3( =>= olduğu görülmektedir. Koşul
sağlanmadığı için sg)1(y tahmin edicisi sg
)3(y tahmin edicisinden daha etkindir.
Singh genelleştirilmiş tahmin edicisi-2 ile Singh genelleştirilmiş tahmin edicisi-3
karşılaştırıldığında, 23 φφ > ise ( )2φφ
K 32yz
+> ya da 23 φφ < ise ( )
2φφ
K 32yz
+<
koşulunda ( ) ( )sg)2(
sg)3( yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada
823,0φ2 = ve 991,0φ3 = olarak bulunmuştur. Bu durumda, 23 φφ > ‘dir.
{ } ( ) ( )
=
+=
+>= 90,0
2991,0823,0
2φφ45,0K 32
yz koşulu sağlanmamaktadır.
( ){ } ( ){ }31,1086yHKO7,1334yHKO sg)2(
sg)3( =>= olduğu görülmektedir. Koşul
sağlanmadığı için sg)2(y tahmin edicisi sg
)3(y tahmin edicisinden daha etkindir.
Upadhyaya tahmin edicisi ile Prasad. Singh ve Singh tahmin edicisi-1
karşılaştırıldığında, ( ) ( )2xzyz
2
yxz
x
2
3 KK1KCC
ff
−<
− koşulu altında
( ) ( )UPSS yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada, 45,0K yz = ,
45,1K yx = ve 026K xz = olarak bulunmuştur. Bu durumda
128
( ) ( ){ }0360,0KK1344,01KCC
ff 2
xzyz
2
yxz
x
2
3 =−<
=
− sağlanmaz.
( ) ( ) 54,702yHKO52,863yHKO UPSS =>= olduğu görülmektedir. Koşul
sağlanmadığı için Uy tahmin edicisi PSSy tahmin edicisinden daha etkindir.
İki safhalı klasik regresyon tahmin edicisi ile Mohanty tahmin edicisi-1
karşılaştırıldığında, ( )1K2KK2
CC
ff
yz
zxyx2x
2z
3
1
−> koşulu altında ( ) ( )SR1M yHKOyHKO <
eşitsizliği sağlanmaktadır. Uygulamada 45,0K yz = , 45,1K yx = , 68,1K zx = ,
74,13C2z = , 16,2C2
x = 0012,0f1 = ve 0010,0f3 = olarak bulunmuştur. Bu durumda
( )
−=−
<
= 41,531K2
KK289,7
CC
ff
yz
zxyx2x
2z
3
1 koşulu sağlanmaz.
( ){ } ( ){ }=>= 1K1M yHKO33,6982yHKO olduğu görülmektedir. Koşul sağlanmadığı
için 1My tahmin edicisi SRy tahmin edicisinden daha etkindir.
Mohanty tahmin edicisi-2 ile Kiregyera regresyon tahmin edicisi-1’in
karşılaştırıldığında, ( ) ( )yzyxzx
yx
yz
3
2 K2KK2K
K21ff
+
+
−> koşulu altında
( ) ( )2M1K yHKOyHKO < eşitsizliği sağlanmaktadır. Uygulamada 45,0K yz = ,
45,1K yx = , 68,1K zx = , 0002,0f2 = ve 0010,0f3 = olarak bulunmuştur. Bu
durumda, ( ) ( )
=+
+
−<
= 45,1K2KK2K
K2124,0
ff
yzyxzxyx
yz
3
2 koşulu sağlanır.
( ){ } ( ){ }51,10105yHKO76,6599yHKO 2M1K =<= olduğu görülmektedir. Koşul
sağlandığı için 1Ky tahmin edicisi 2My tahmin edicisinden daha etkindir.
129
Kiregyera tahmin edicisi-1 ile Kiregyera tahmin edicisi-2 karşılaştırıldığında,
( )0K xz > ise ( )
3KK
K yxxzyz
−> koşulu altında ( ) ( )1K2K yHKOyHKO < eşitsizliği
sağlanmaktadır. Uygulamada 45,0K yz = , 45,1K yx = ve 27,0K xz = olarak
bulunmuştur. Bu durumda, { } 027,0K xz >= ’dır ve
{ } ( )
−=
−>= 39,0
345,127,045,0K yz koşulu sağlanır.
( ){ } ( ){ }76,6599yHKO12,899yHKO 1K2K =<= olduğu görülmektedir. Koşul
sağlandığı için 2Ky tahmin edicisi 1Ky tahmin edicisinden daha etkindir.
Bu uygulama sonuçları altıncı bölümde verilen tahmin edicilerin teorik
karşılaştırılmalardaki sonuçlarına uygun olarak bulunmuştur.
Uygulama sonuçlarına göre HKO sıralaması incelendiğinde en etkin tahmin edici
Roy (2003) zincirleme regresyon tahmin edicisidir. Aynı zamanda yansız bir
tahmin edicidir. En etkin olmayan tahmin edici ise Mohanty (1967)’nin önerdiği
ikinci zincirleme regresyon tahmin edicisidir.
Diğer tahmin ediciler arasında, Prasad, Singh ve Singh (2002)’nın önerdiği tahmin
ediciler ile Upadhyaya (1990) tahmin edicisi etkin olan tahmin edicilerdir. Bu
tahmin edicilerin özelliği ortalamaların ağırlıklandırılarak iç içe oransal tahmin
yoluyla Y kitle ortalamasının tahmininin yapılmasıdır. Etkin olmayan tahmin
ediciler ise, Singh ve Upadhyaya (2001) tahmin edicileri ile Mohanty (1967) ve
Kiregyera (1984) regresyon tahmin edicileridir.
Örneklem büyüklüklerinin etkisini görmek amacıyla farklı büyüklükte iki ön
örneklem ve her örneklemden farklı büyüklükte iki alt örneklem seçilerek tahmin
edicilerin HKO’ları hesaplanmıştır. Örneklem büyüklükleri Eşitlik (7.1) kullanılarak
hesaplanmıştır.
Ön ve alt örneklem büyüklükleri Çizelge(7.4) gösterilmiştir.
130
Çizelge(7.4) Ön ve Alt Örneklem Büyüklükleri
Hata Miktarı
(d1)
Varyans
( )2S
Ön Örneklem Büyüklüğü
Varyans
( )2S
Hata miktarı(d2)
Alt Örneklem Büyüklüğü
50 2808381 765 2683257 100 447
50 2808381 765 2683257 200 200
100 2808381 506 2848052 100 350
100 2808381 506 2848052 200 182
Farklı örneklem büyüklükleri için tahmin edicilerin HKO’ları Çizelge (7.5)’te
gösterilmiştir.
Çizelge (7.5) Farklı Ön ve Alt Örneklem Büyüklükleri İçin Tahmin Edicilerin HKO
Değerleri
HKO
506n =′ 765n =′
TE
n=182 n=350 n=200 n=447
BOy 4674,33
3050,00
2902,80
1201,17
sy 3842,34
2841,69
2029,51
981,25
1Cy 5272,16
3647,83
3052,62
1350,99
Ky 3562,25
1937,92
2624,09
922,46
Uy 2730,26
1729,61
1750,81
702,54
1suy 3329,18
1704,84
2565,68
864,05
2suy 4665,38
3042,01
3392,08
1708,51
3suy 5249,23
3624,90
3046,87
1345,25
4suy 4524,72 2900,38 2865,30 1163,67
131
HKO 506n =′ 765n =′
TE
n=182 n=350 n=200 n=447 ( )
sg1y
3708,84 2084,51 2660,83 959,20 ( )
sg2y
4216,02 2591,69 2787,93 1086,31 ( )
sg3y
5207,12 3582,79 3036,32 1334,69
PSSy 3327,09 1702,76 2565,15 863,52 ( )β,αPSSy
2495,09 1494,45 1691,87 643,61 ( )γ,β,αPSSy 2269,07 1437,86 1454,63 583,86
SRy 3842,34 2841,69 2029,51 981,25
1My 26576,92 8981,91 25414,62 6982,33
2My
39038,89 21443,88 28537,80 10105,51
1Ky 26261,08 25260,43 7648,02 6599,76
2Ky
3514,63 2513,99 1947,38 899,12
Ry
2268,82 1437,86 1454,38 583,80
Örneklem büyüklüğü 765n =′ olan ön örneklemde, örneklem büyüklüğü n=200
olan alt örneklemde tahmin ediciler için hesaplanan HKO değerleri, örneklem
büyüklüğü 506n =′ olan ön örneklemde, örneklem büyüklüğü n=182 olan alt
örneklemde tahmin ediciler için hesaplanan HKO değerlerinden daha küçüktür.
Aynı şekilde örneklem büyüklüğü 765n =′ olan ön örneklemde, örneklem
büyüklüğü n=447 olan alt örneklemde tahmin ediciler için hesaplanan HKO
değerleri, örneklem büyüklüğü 506n =′ olan ön örneklemde, örneklem büyüklüğü
n=350 olan alt örneklemde tahmin ediciler için hesaplanan HKO değerlerinden
daha küçüktür. Bu durumda ön örneklem büyüklüğü büyük olduğunda tahmin
edicilerin etkinlikleri artmaktadır. Ancak her zaman ön örneklem büyüklüğü daha
büyük olması tahmin edicilerin etkinliğinde tek başına katkısı olmaz. Hem ön
132
örneklem büyüklüğünün hem de alt örneklem büyüklüğünün büyük olması tahmin
edicilerin etkinliklerinin artırılmasında önemli rol oynamaktadır.
506n =′ büyüklüğündeki ön örneklemde alt örneklemlerdeki tahmin edicilerin hata
kareler ortalaması incelendiğinde n=350 iken hesaplanan HKO değerleri n = 182
iken hesaplanan HKO değerlerinden daha küçüktür. Aynı şekilde, 765n =′
büyüklüğündeki ön örneklemde alt örneklemlerdeki tahmin edicilerin hata kareler
ortalaması incelendiğinde n=447 iken hesaplanan HKO değerleri n=200 iken
hesaplanan HKO değerlerinden daha küçüktür. Seçilen alt örneklem büyüklükleri
arttıkça tahmin edicilerin HKO değerleri düşmektedir. Yani alt örneklem
büyüklüğünün artırılması durumunda tahmin edicilerin etkinlikleri artmaktadır.
Uygulama sonucunda hem ön örneklem büyüklüğü hem de alt örneklem
büyüklüğü daha büyük olduğunda en küçük HKO değerleri hesaplanmıştır. Yalnız
her zaman bu sonuca ulaşmak imkansızdır. Yapılan uygulama sonucunda bu
sonuçlar elde edilmiştir. Örneklem büyüklükleriyle ilgili genelleme yapmak yanlış
olacaktır. Yukarıda verilen bilgiler sadece uygulama sonuçlarına dayanan
bilgilerdir.
133
SEKİZİNCİ BÖLÜM 8. SONUÇ VE TARTIŞMA Oransal ve regresyon tahmin edicilerle ilgilenilen değişken ile yardımcı değişken
arasındaki korelasyon bilgisini ve regresyon bilgisini kullanarak tahmin edicilerin
duyarlılıkları artırılabilir. Oransal ve regresyon tahmin edicilerin kullanılması için
yardımcı değişkene ait kitle ortalamasının bilinmesi gerekmektedir. Birçok
istatistikçi yardımcı değişkene ait kitle bilgisini maksimum düzeyde kullanarak bu
oransal ve regresyon tahmin edicilerin duyarlılığını artırmak için yeni tahmin
ediciler geliştirmişlerdir. Bu çalışmada yardımcı değişken bilgisinin eksik ya da
elde edilebilir olmadığı durumda kullanılan iki safhalı örnekleme yönteminde
geliştirilen tahmin ediciler ayrıntılı olarak incelenmiş ve bu tahmin edicilere ilişkin
yan ve hata kareler ortalamaları hesaplanarak etkinlikleri araştırılmıştır.
Yardımcı değişken kitle bilgisinin yararlanıldığı bir çok tahmin edici bu çalışmada
incelenmiştir.
Yardımcı değişkene ilişkin kitle değişim katsayısı ve basıklık katsayısı bilindiği
durumda Singh ve Upadhyaya (1995, 2001) tahmin edicileri kullanılabilir. Koşullar
altında tahmin edicilerin birbirine olan etkinlikleri bu parametrelere bağlı olarak
değişmektedir. Uygulamada, yalnızca yardımcı değişkene ait değişim katsayısının
kullanıldığı Singh ve Upadhyaya (1995) tahmin edicisi diğer Singh ve Upadhyaya
(2001) tahmin edicilerine göre daha iyi sonuçlar vermiştir. Singh ve Upadhyaya
(2001) tahmin edicileri arasında en iyi sonucu veren tahmin edici ise değişim
katsayısının çarpım olarak , basıklık katsayısının ise toplam olarak eklendiği Singh
ve Upadhyaya tahmin edicisi-4’tür. En kötü sonucu veren tahmin edici ise Singh ve
Upadhyaya tahmin edicisi-2’dir.
Çarpıklık katsayısı ve standart sapmanın bilindiği durumda Singh (2001) tahmin
edicileri kullanılabilir. Koşullar altında tahmin edicilerin birbirine olan etkinlikleri bu
parametrelere bağlı olarak değişmektedir. Uygulamada, yalnızca yardımcı
değişkene ait standart sapmanın kullanıldığı tahmin edici diğer Singh (2001)
tahmin edicilerine göre daha iyi sonuçlar vermiştir.
134
Singh (2001), Singh ve Upadhyaya (1995, 2001) tahmin edicilerinde değişim
katsayısı yerine standart sapma kullanmıştır. Bu bakımdan bu tahmin ediciler
karşılaştırılarak değişim katsayısı ve standart sapmanın tahmin edicilere etkisi
bulunabilir. Uygulamada değişim katsayısının kullanıldığı Singh ve Upadhyaya
(1995) tahmin edicisi-1, standart sapmanın kullanıldığı Singh (2001) geliştirilmiş
tahmin edicisi-1’e göre daha etkin bulunmuştur. Diğer taraftan basıklık katsayısı ve
standart sapmanın kullanıldığı Singh (2001) geliştirilmiş tahmin edicisi-3, basıklık
katsayısı ve değişim katsayısının kullanıldığı Singh ve Upadhyaya (2001) tahmin
edicisi-3’ten daha etkin bulunmuştur.
Prasad, Singh ve Singh (2002) çeşitli dönüşümlerden yararlanarak iki safhalı
örnekleme yönteminde çeşitli tahmin ediciler önermişlerdir. Kullanılan dönüşüme
ve katsayılara göre tahmin edicilerin etkinlikleri değişmektedir. Bu katsayıları
kullanırken ön örneklem ve alt örneklem ortalamalarını ağırlıklandırarak iç içe
oransal tahmin ediciler önermişlerdir. Bu tahmin ediciler arasında ön örneklem ve
alt örneklem tahminlerinin kullanıldığı tahmin edici en etkin bulunmuştur.
Singh, Singh ve Shukla (1994), bir çok önemli tahmin ediciye ulaşılmasını
sağlayan tahmin edici ailesi önermişlerdir. Aynı şekilde Singh, Upadhyaya ve
Chandra (2004), Singh, Singh ve Shukla (1994) tahmin edici ailesini geliştirerek
çeşitli tahmin edici aileleri önermişlerdir. Yalnız bu tahmin edici aileleri yardımıyla
sadece oransal ve çarpımsal tahmin edicilere ulaşılmaktadır. Regresyon tahmin
edicilere ve diğer bazı ağırlıklandırılarak elde edilen tahmin edicilere
ulaşılamamaktadır. Örneğin tezde ele alınan tüm tahmin edicilere bu aileler yoluyla
ulaşılamamıştır. Tahmin edici aileleri incelendiğinde bir çok tahmin edicinin
minimum hata kareler ortalaması birbirine eşit olmaktadır. Buradan, bu tahmin
edici aileleri yardımıyla birbirine benzer tahmin edicilere ulaşıldığı sonucu
çıkarılabilir.
İki safhalı örneklemede alt ve ön örneklem büyüklükleri tahmin edicilerin
etkinliklerinde önemlidir. Uygulamada örneklem büyüklüklerinin etkisini görmek için
dört örneklem seçilmiştir. Elde edilen sonuçlar sadece dört örneklemle sınırlıdır.
Örneklem büyüklüklerine göre tahmin edicilerin etkinliklerinin değiştiği görülmüştür.
Örneklem büyüklüğü arttıkça tahmin edicilerin de etkinlikleri artmıştır. Fakat bu
135
yorumu sadece dört örneklemle sınırlayıp genel bir sonuç çıkartmak doğru
değildir. Başka koşulların sağlanması durumunda tahmin edicilerin etkinlik
sıralaması değişecektir.
Uygulamada en etkin tahmin edici, HKO sıralamasına göre Roy (2003) zincirleme
regresyon tahmin edicisidir. Fakat, en etkin tahmin edici Roy (2003) zincirleme
regresyon tahmin edicisi olmasına rağmen, HKO sıralamasına göre genel olarak
zincirleme oransal tahmin edicilerin, zincirleme regresyon tahmin edicilerden daha
etkin olduğu görülmektedir. Prasad, Singh ve Singh (2002) tahmin edicisi-3, Roy
(2003) zincirleme regresyon tahmin edicisinden sonra gelen en etkin oransal
tahmin edicidir. Roy (2003) zincirleme regresyon tahmin edicisi hariç diğer
regresyon tahmin ediciler uygulamada HKO sıralamasında en sonda yer alan
tahmin edicilerdir. Tahmin edicilerin önerildiği tarihler de dikkate alınırsa son
zamanlarda iki safhalı örnekleme yönteminde daha çok oransal tahmin edicilerin
önerildiği ve daha iyi sonuçlar verdiği söylenebilir. Dolayısıyla iki safhalı örnekleme
yönteminde oransal tahmin edicilerin geliştirilmesi önerilebilir.
Aynı zamanda bu çalışmada ön ve alt örneklemler, yerine konulmadan basit
rasgele örnekleme yöntemi ile seçilmiştir. Her iki örneklemin seçiminde başka
örnekleme yöntemleri kullanılarak tahmin edicilerin etkinlikleri artırılabilir.
136
Kaynaklar
Ahmed, M.S., 1998, A Note on Regression Type Estimators Using Multiple Auxiliary
Information, Austrilian&New Zealand Journal of Statistics, 40, 373-376.
Chand, L., 1975, Some Ratio-Type Estimators Based on Two or More Auxiliary
Variables, Ph. D. Dissertation, Iowa State University, Ames, Iowa.
Chandra, P., Singh, H.P., 2003, A Family of Unbiased Estimators in Two Phase
Sampling Using Two Auxiliary Variables, Statistics in Transition, 6, No :1, 131-141.
Çıngı, H., 1994, Örnekleme Kuramı, H.Ü.Fen Fakültesi Basımevi, Beytepe.
Çıngı, H., 2004, Hacettepe Üniversitesi İstatistik Bölümü Lisansüstü Eğitimi
Örnekleme Ders Notları.
Diana,G., Tommasi, C., 2004, Optimal Use of Two Auxiliary Variables in Double
Sampling, Statistical Methods and Applications,13, 275-284.
Dulal Chandra Roy, 2003, A Regression Type Estimator in Two Phase Sampling
Using Two Auxiliary Variables, Pak. Journal of Statistics, 19, 281-290.
Hartley, H.O., Ross, A., 1954, Unbiased Ratio Estimators, Nature, 174, 270-271.
İnal, C., Günay, S., 1978, Olasılık ve Matematiksel İstatistik, Hacettepe Üniversitesi
Fen Fakültesi Yayınları.
Johnson, G.K.T., 1969, Some Contributions to The Theory of Two-Phase Sampling,
Ph. D. Dissertation, Iowa State University, Ames, Iowa.
Kiregyera, B.K., 1980, A Chain Ratio Type Estimators in Finite Population Double
Sampling Using Two Auxiliary Variables, Metrika, 27, 217-223.
137
Kiregyera, B.K., 1984, Regression Type Estimators Using Two Auxiliary Variables
and The Model of Double Sampling from Finite Populations, Metrika, 31, 215-226.
Mohanty, S., 1967, Combination of Regression and Ratio Estimate, Journal Indian
Statistics Association, 5, 16-19.
Prasad, B., Singh, R.S., Singh, H. P., 2002, Modified Chain Ratio Estimators for
Finite Population Mean Using Two Auxiliary Variables in Double Sampling, Statistics
in Transition,5 , No:6, 1051-1066.
Reddy, V. N. ,1974, On a Transformed Ratio Method of Estimation, Sankhya, 35, 59-
70.
Sahoo, J., Sahoo, L.N., 1993, A Class of Estimators in Two Phase Sampling Using
Two Auxiliary Variables, Journal of The Indian Statistical Association, 31, 107-114.
Sahoo, J., Sahoo, L.N., Mohanty, S., 1993, A Regression Approach to Estimation in
Two Phase Sampling Using Two Auxiliary Variables, Current Sciences, 65, No:1, 73-
75.
Singh, G.N., Upadhyaya, L.N., 2001, An Emprical Study of Modified Ratio Estimators
in Two Phase Sampling in Presence of Coefficient of Variation of The Auxiliary
Variable, Statistics in Transition,5 , No:2, 319-326.
Singh, G.N., Upadhyaya, L.N., 1995, A Class of Modified Chain Type Estimators
Using Two Auxiliary Variables in Two Phase Sampling, Metron, 53 , 117-125.
Singh G.N., 2001, On The Use of Transformed Auxiliary Variable in The Estimation of
Population Mean in Two Phase Sampling, Statistics in Trasition, 5, No:3, 405-416.
Singh G.N., 2002, Estimation of Population Ratio in Two Phase Sampling, Statistics
in Trasition, 5, No:6, 1067-1079.
138
Singh, H.P., Espejo, M.R., 2007, Double Sampling Ratio-Product Estimator of a
Finite Population Mean in Sample Surveys, Journal of Applied Statistics, 1, 71-85.
Singh, H.P., Kahran, M.S., 1993, A Modified Ratio Estimator Using Known Coeffient
of Kurtosis of an Auxiliary Character, Summitted to Journal of Indian Society of
Agricultural Statistics, New Delphi, India.
Singh, H.P., Espejo, M.R., 2003, on Linear Regression and Ratio-Product Estimation
of a Finite Population Mean, The Statistician, 52, 59-67.
Singh, H.P., Upadhyaya, L.N., Chandra P., 2004, A General Family of Estimators for
Estimating Population Mean Using Two Auxiliary Variables in Two Phase Sampling,
Statistics İn Transition,5 , No:7, 1055-1077.
Singh, S., 2003, Advanced Sampling Theory with Applications, ”How Michael
‘selected’ Amy”, Kluwer Academic Publishers.
Singh, V.K., Singh G.N., Shukla, D., 1994, A Class of Chain Ratio Type Estimators
with Two Auxiliary Variables Under Double Sampling Scheme, The Indian Journal of
Statistics, 56, 209-221.
Sisodia, B.V.S., Dwivedi, V.K., 1981, A Modified Ratio Estimator Using Coefficient of
Variation of Auxiliary Variable, Journal Indian Society Agricultural Statistics, 2, 13-18.
Srivastava, S.K., 1970, A Two Phase Sampling Estimator in Sample Surveys,
Austrilian Journal of Statistics, 12, 23-27.
Srivastava, S.R., Srivastava, S.R., Khare, B.B., 1989, Chain Ratio Type Estimator
For Ratio of Two Populatio Means Using Two Auxiliary Characters, Communication
Statistics, 18, 3917-3926.
Srivenkataramana, T., Tracy, D.S., 1989, The Two Phase Sampling for Selection with
Probability Proportional to Size in Sample Surveys, Biometrika, 76, 818-821.
139
Adams, R.A., 1999, Calculus: A Complete Course, Addison Wesley Longman Ltd.,
Canada.
Srivenkataramana, T., Tracy, D.S., 1981, Extending Product Methods of Estimation
to Positive Correlation Case in Surveys, Australian journal Statistics, 23, 95-100.
Srivenkataramana, T., Tracy, D.S., 1980, An Alternative to Ratio Method in Sample
Survey, Ann.Inst.Statist.Math., 23, 111-120.
Turanlı, M., Güriş, S., 2000, Temel İstatistik, Der Yayınevi, İstanbul.
Upadhyaya, L.N., Singh, H.P., 1999, Use of Transformed Auxiliary Variable in
Estimating The Finite Population Mean, Biometrical Journal, 5, 627-636.
Upadhyaya, L.N., Srivastava, S.R, 2001, The Use of A Known Coefficient of Variation
in The Estimation of Mean of A Normal Distribution from Double Samples, Statistics
in Transition, 5, No:3, 435-442.
Walsh, J.E., 1970, Generalization of Ratio Estimate for Population Total, Sankya, A,
32, 99-106.
ÖZGEÇMİŞ
Adı Soyadı : Nilgün Özgül Doğum Yeri : Ankara
Doğum Yılı : 1982
Medeni Hali : Bekar
Eğitim ve Akademik Durumu:
Lise: 1996-2000 Kurtuluş Lisesi
Lisans: 2000-2004 Hacettepe Üniversitesi İstatistik Bölümü
Yabancı Dil: İngilizce
İş Tecrübesi:
2004-: Hacettepe Üniversitesi İstatistik Bölümü