SIRALI ANALİZİN KULLANIMIYLA ORANLARIN VE YÜZDELERİN TEST EDİLMESİ VE BİR BENZETİM ÇALIŞMASI

Yıl 2008, Cilt: 8 Sayı: 29, 209 - 214, 10.01.2008

Latif Öztürk Habip Koçak

Öz

Bu çalışmada sıralı analiz (SA) ve basit rastsal örnekleme (BRÖ) yöntemlerinden kısaca bahsedilerek, oluşturulan veritabantndan benzetim yöntemi kullanılarak BRÖ ve SA ile örneklemler çekilmiş ve analiz edilmiştir. SA ile geleneksel BRÖ arasındaki temel farklılık sıralı analizde örnek hacminin daha önceden belirlenmiş olmamasıdır. Teker teker veya grup halinde elde edilen gözlemlerin sonuçları daha önceden hesaplanan bir çift istatistik ile karşılaştırılmaktadır. Bu karşılaştırmadaki temel amaç, örneklemeye devam edilip edilmeyeceğine ve hangi alternatifin kabul edileceğine karar vermektir. Daha önce hesaplanan istatistiklere göre iki alternatiften birisine karar verilinceye kadar örneklemeye sıralı olarak devam edilir. Sıralı analizi uygularken her gözlemden sonra karşılaştırma zorunluluğu yoktur. Bir grup gözlem alındıktan sonrada karşılaştırma yapılabilir. Dolayısıyla, buda BRÖ ye göre örnek hacmi açısından önemli avantajlar sağlamaktadır. Örnek hacimleri açısından bu iki yöntem çeşitli hata değerlerine göre benzetim yöntemi aracılığı ile karşılaştırılmışlardır.

Anahtar Kelimeler

Örnekleme, Benzetim

Kaynakça

• [1] Orhunbilge, N. (2000). Örnekleme Yöntemleri ve Hipotez Testleri. İstanbul: Avcıol Basım Yayın.
• [2] Osuma, W. (2005). Sequential sampling technique for algorithmic leaming theory. Theoretical Computer Science, 348(1), 3-14.
• [3] Ferber, R. (1949). Statistical Techniques in Market Research. New York: McGraw-Hill.
• [4] Maxfıeld, M.W. & Barton-Dobenin, J. (1980). A Sequential Sampling Plan For Determining Market Boundaries. Journal of Snıall Business Management, VII(3), 25-59.
• [5] United States Environmental Protection Agency, Office of Policy, Planning and Evaluation. (1989). Methods for Evaluating the Attainment of Cleanup Standards. Volume 1: Soils and Solid Media. February (www.clu- in.org/download/stats/vollsoils.pdf). [07.03.2007].
• [6] Denrell, J. & James, G. (2001). Adaptation as Information Restriction: The Hot Stove Effect. Organization Science, 12(5), 523-538.
• [7] Serpaggi, X. & Peroche, B. (2001). An adaptive method for indirect illumination using light vectors. Eurographics, 20(3), 268-277.
• [8] Maxim, L.D.; Cullen, D.E. & Cook, F.X.Jr. (1976). Optimal Acceptance Sampling Plans for Auditing “Batched” Stop and Go vs. Conventional Single-Stage Attributes Plans. The Accounting Review, 51(1), 97-109.
• [9] Brown, J.A. (1999). A comparison of two adaptive sampling designs. Australia & New Zeland J. Statistics, 41(4), 395-403.
• [10] What is a Sequential Sampling Plan? (http://www.itl.nist.gov/div898/handbook/pmc/section2/ pmc26.htm). [24.09.2006].
• [11] Salehi, M.M. & Seber, G.A.F. (2002). Unbiased Estimators for Restricted Adaptive Cluster Sampling. Austral. & New Zeland J. Statistics, 44(1), 63-74.
• [12] Sutton, P. & VanKirk, J. Principles of scientifıc sampling, Overview. Cornell University (http://www.nysaes.comell.edu/ipmnet/sare.mod/). [07.03.2007]
• [13] Olken, F. (1993). Random sampling fhom databases. Doktora Tezi, University of Califomia, Berkley.
• [14] Determining Sample Size. University of Florida. (http://edis.ifas.ufl.edu/PD006) [07.03.2007],