برآورد ناحیه کوچک در به دست آوردن استنباط قابل اعتماد، برای حوزه هایی با نمونه های نسبتا کوچک یا حوزه های بدون نمونه ، نقش اساسی ایفا می کند .در مطالعات مبتن بر برآورد ناحیه کوچک ، مدل های آمیخته ی خط و مدل های آمیخته خط تعمیم یافته، با فرض اینکه متغیرهای کم به خطاهای اندازه گیری بستگی ندارند، به طور وسیع مورد استفاده قرار م گیرند .در این پایان نامه، برآورد گر جیمز استاین متغیر کم واقع تحت خطای اندازه گیری تابع بررس م شود .بدین منظور، ی پیشوی شبه بیز تجربی از میانگین ناحیه ی کوچ مبن بر برآورد گر جیمزاستاین به دست می آید .که این پیشگیری شبه بیز تجربی به طور مطلوبی بهینه است
متن يادداشت
Small area estimation plays an important role in making reliable inference for subpopulations (areas) for which relatively small samples or no samples are available. In model-based small area estimation studies, linear and generalized linear mixed models have been used extensively assuming that covariates are not subjected to measurement errors. In this thesis, we study the James-Stein estimator of the true covariate subject to the functional measurement error. To this end, we obtain a new pseudo-empirical Bayes (PEB) predictor of small area means based on the James-Stein estimator. Then, we show that the new PEB predictor is asymptotically optimal
عنوان اصلی به زبان دیگر
عنوان اصلي به زبان ديگر
Small Area Estimation
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )