مسئله ی براورد به دلیل کاربردهای فراوان این احتمال در زمینه های مختلف از جمله قابلیت اعتماد و زیست سنجی، مورد توجه پژوهشگران قرار گرفته است. به همین منظور نویسندگان بسیاری با در نظر گرفتن فرض های توزیعی متفاوت روی و سعی در براورد این احتمال کرده اند. از جمله ی توزیع های مورد مطالعه می توان به توزیع های نمایی، نرمال، چوله نرمال، گاما، پارتو، بر، رایلی و ... اشاره کرد. مطالعاتی که تاکنون در براورد انجام شده است انواع داده های کامل، داده های سانسور شده، مقادیر رکوردی، نمونه های تصادفی ساده، نمونه های مجموعه ی رتبه دار و داده هایی با متغیرهای تبیینی را پوشش می دهد. در این پایان نامه با استفاده از نمونه های مختلفی چون نمونه ی تصادفی ساده، مجموعه ی رتبه دار، آماره های ترتیبی و مقادیر رکوردی به براورد پرداخته و مقایسه ای بین براوردگرهای حاصل از نمونه های تصادفی ساده و مجموعه ی رتبه دار انجام می دهیم. ابتدا در حالت ناپارامتری براساس نمونه های تصادفی ساده و مجموعه ی رتبه دار در دو حالت رتبه بندی کامل و ناقص، براوردگر نااریبی برای ارایه می دهیم. سپس با در نظر گرفتن توزیع نمایی روی متغیرهای تصادفی مستقل و به براورد نااریب می پردازیم. برای این منظور ابتدا براساس یک زوج آماره ی ترتیبی حاصل از دو جامعه ی نمایی، براوردگری نااریب برای معرفی می کنیم و از آن برای به دست آوردن براوردگرهای نااریب برای زمانی که تنها و آماره ی ترتیبی (متوالی یا غیر متوالی) از دو جامعه نمایی در دسترس هستند و همچنین زمانی که نمونه هایی حاصل از نمونه گیری مجموعه ی رتبه دار در اختیار هستند، استفاده می کنیم. در ادامه با به کارگیری روش اصلاحی روی روش نمونه گیری مجموعه ی رتبه دار برای اندازه ی نمونه ی دو، براوردگر نااریبی معرفی می کنیم که از تمامی براوردگرهای معرفی شده در بالا (برای اندازه ی نمونه ی دو) کاراتر است. در نهایت با استفاده از مقادیر رکوردی به براورد نقطه ای و بازه ای می پردازیم.

در اقتصاد و سایر علوم اجتماعی، پژوهش گران اغلب تمایل به مدل بندی داده های پانلی که در آن واحدهای نمونه ای به طور مکرر در مقاطع زمانی مختلف مشاهده می شوند، دارند. یکی از کاربردهای داده های پانلی براورد نرخ تغییر میانگین متغیر پاسخ در طی زمان است. در انواع آمارگیری ها به ویژه آمارگیری های پانلی، بی پاسخی یک مشکل اساسی است که در داده های علوم اجتماعی و پزشکی به وفور رخ می دهد. این نوع مطالعه ها معمولاً با کاهش پاسخگو در دوره های دوم به بعد تولید داده ها مواجه هستند. این امر که منجر به نمونه ی کاهیده می شود سبب کاهش کارایی براوردگرها و غالباً نیز سبب اریبی آن ها می شود. برای برخورد با این مشکل در آمارگیری پانلی روش های ‎«جانهی»‎ و ‎«وزن دهی»‎ گوناگونی وجود دارد که از جمله ی این روش های جانهی، جانهی با الگوریتم ‎em‎ می باشد. الگوریتم ‎em‎ یک الگوریتم مکرر برای براورد ماکسیمم درستنمایی مسئله ی داده های گمشده یا ناتمام می باشد. با توجه به این که ساختار گمشدگی تصادفی فرض شده است لذا این الگوریتم برای جانهی مناسب می باشد. در این پایان نامه پس از معرفی مفهوم های اولیه آمارگیری پانلی، انواع گمشدگی در آمارگیری های پانلی و ساختارهای گمشدگی، الگوریتم ‎em‎ به عنوان روشی برای جانهی داده های گمشده معرفی می شود و به دلیل مشکلاتی که در محاسبات این الگوریتم ممکن است وجود داشته باشد چهار نوع از این الگوریتم معرفی می شود. سرانجام با استفاده از داده های آمارگیری پانلی خانواری انگلیس، توزیع نمونه گیری شبیه سازی شده و روش جانهی با الگوریتم ‎em‎ با دو روش جانهی با میانگین مشاهده های مشابه و جانهی با نمونه ی جدید از نظر معیارهای مختلف (با توجه به اثر اندازه ی نمونه، همبستگی بین دوره ها و نرخ بی پاسخی دوره) مقایسه می شوند. نتایج این مطالعه نشان می دهد که جانهی متغیر تحت بررسی در آمارگیری پانلی خانواری انگلیس با استفاده از الگوریتم ‎em‎ وقتی که همبستگی بین دو دوره زیاد باشد، عملکرد بهتری دارد.

در اکثر آمارگیری ها، برخی از واحدها به علت عدم برقراری تماس یا امتناع از پاسخ دادن، هیچ اطلاعاتی ارایه نمی کنند. بی پاسخی واحد تقریباً در تمام آمارگیری ها شایع است. این مشکل آماره های آمارگیری را اریب می کند. یک روش برای جبران اثر بی پاسخی واحد، وزن دهی است. داده های همبسته در علوم تربیتی و بخصوص در علوم اجتماعی بسیار رایج هستند. یکی از پرکاربردترین نوع داده های همبسته، داده های طولی هستند. معادله های براورد تعمیم یافته ی لیانگ و زیگر (1986) یک روش کلی و مناسب برای تحلیل پارامترهای رگرسیونی در داده های طولی هستند. تحت مکانیزم گم شدگی تصادفی، این معادله ها منجر به براوردهای اریب برای پارامترهای رگرسیونی می شوند. در این پایان نامه پس از معرفی آمارگیری پانلی و نوع های گم شدگی در آمارگیری پانلی، معادله های براورد تعمیم یافته ی لیانگ و زیگر (1986) به عنوان روشی برای براورد پارامترها در مطالعه های طولی معرفی می شود. پس از بیان روش تعدیل اثر بی پاسخی در این معادله ها، با استفاده از آمارگیری پانلی خانواری انگلیس، توزیع نمونه گیری شبیه سازی شده و روش معادله های براورد تعمیم یافته ی موزون روبینز و همکاران (1995) با معادله های براورد موزون مقایسه می شود. نتیجه های این مطالعه نشان می دهد که (برحسب اندازه ی نمونه ای، همبستگی بین دو دوره و نرخ بی پاسخی) روش معادله های براورد تعمیم یافته ی موزون روبینز و همکاران در همه ی حالت ها از روش معادله های براورد موزون بهتر است.

براورد چندک ها در علم آمار نقش بسیار مهمی دارد، از جمله ی آن ها می توان به یافتن مشخصه های یک توزیع، براورد بازه ای و آزمون فرض ها اشاره کرد. با توجه به کاربرد چندک ها در دیگر علوم مانند اقتصاد، قابلیت اعتماد، آزمایش های مربوط به مرگ و میر و ... در این پایان نامه به بررسی چندک ها در خانواده ی توزیع های مکان-مقیاس خواهیم پرداخت. براوردگرهای هم وردا با مینیمم مخاطره، نااریب با واریانس به طور یکنواخت مینیمم، ماکسیمم درســتنمایی، میانه نااریب، پیتمن-نزدیکترین، مینیمم میانگین قدرمــطلق خطــا و براوردگر مینیماکس پارامتر چندک را درخانواده ی توزیع های مکان-مقیاس، به ویژه، توزیع های نرمال و نمایی دوپارامتری به دست خواهیم آورد. همچنین در توزیع نرمال، براوردگرهای بالا را به صورت تحلیلی و عددی با معیارهای کارایی میانگین توان دوم خطا، معیار نزدیک بودن پیتمن، کارایی نزدیک بودن پیتمن و معیار میانگین قدرمطلق خطا مقایسه می کنیم و بهترین براوردگر را تحت هریک از این معیارها به دست می آوریم. به علاوه، در این توزیع برای پارامتر چندک به روش های گوناگونی بازه ی اطمینان به دست می آوریم و در یک مطالعه ی شبیه سازی به مقایسه ی کارایی این روش ها می پردازیم. در نهایت، در توزیع نمایی دوپارامتری نیز علاوه بر به دست آوردن براوردگرهای بالا، براوردگر بهبودیافته ای را معرفی می کنیم که در کلاس براوردگرهای هم وردای مقیاس چندک قرار دارد و براوردگر پیتمن-نزدیکترین چندک را در کلاس براوردگرهای هم وردای مکان-مقیاس چندک، تحت معیار نزدیک بودن پیتمن، مغلوب می کند.

به دلیل اهمیت بالای درستی سرشماری، بعد از سرشماری خطای پوشش براورد می شود اما چون کم شماری و بیش شماری تواماً رخ می دهند براورد خطای پوشش خالص اهمیت دارد اما معمولاً چون در کشورها کم شماری بیش از بیش شماری رخ می دهد، کم شماری خالص نتیجه می شود. به دلیل اهمیت موضوع، انواع روش های سرشماری و براورد کم شماری مطرح می شوند. تحلیل مناسبی بر فعالیت های ایران در براورد کم شماری مطرح شده و پیش نهادی به منظور براورد مناسب تر کم شماری در ایران ارایه می شود.

در بیش تر مطالعه هایی که صورت می گیرد، علاقه مند به استنباط درباره ی توزیع جامعه و پارامترهای آن هستیم. در کاربرد مدل های آمیخته ی متناهی تعمیم یافته، اغلب متغیرهای کمکی یا تبیینی بسیاری به کار برده می شوند. تاثیر این متغیرها در متغیر پاسخ از یک جز به جز دیگر مدل آمیخته تغییر می کند. این امر یک مسئله ی انتخاب متغیر پیچیده را ایجاد می کند. روش های موجود انتخاب متغیر مانند ملاک اطلاع آکاییکه و ملاک انتخاب بیزی از نظر محاسبه، زمانی که تعداد متغیرهای کمکی و اجزای مدل های آمیخته افزایش می یابند سنگین بوده و روش های پرهزینه ای هستند. در این پایان نامه یک روش درستنمایی تاوانیده، برای انتخاب متغیر در مدل های آمیخته ی متناهی تعمیم یافته معرفی می شود. این روش جدید تاوانی را که به اندازه ی ضریب های رگرسیونی و ساختمان مدل آمیخته وابسته است را معرفی می کند و نشان داده شده است که برای انتخاب متغیرها سازگار است. در این پایان نامه بعد از آشنایی با آلگوریتمem، این آلگوریتم برای محاسبه های عددی در مدل های آمیخته ی متناهی تعمیم می یابد. شبیه سازی ها نشان می دهند که این روش جدید انتخاب متغیر عمل کرد بهتر و محاسبه های خیلی کم تری نسبت به روش های سابق دارد.

در آمارگیری های نمونه ای اطلاعات از برخی واحدها حتی پس از مراجعه ی مجدد به دست نمی آیند و آمارشناس را با نرخی از بی پاسخی روبرو می کنند. براورد به دست آمده از چنین اطلاعات ناکاملی، به ویژه هنگامی که ویژگی های پاسخ گویان از بی پاسخ ها متفاوت باشند، اریب است. برای برطرف کردن این مشکل و به دست آوردن براوردگرهای مناسب، روش های مختلفی وجود دارد از جمله تعدیل موزون و جانهی. در عمل، بی پاسخی اغلب با تعدیل موزون یا جانهی، جبران می شود. این روش ها بر فرضیه هایی بر ساختار پاسخ گویی استوار هستند. هنسن و هورویتس (1946) روش زیرنمونه گیری از بی پاسخ ها و تلاش برای دریافت اطلاعات از آن ها را برای تعدیل اریبی بی پاسخی پیش نهاد کردند. براوردگر پیش نهادی آن ها ترکیبی از اطلاعات پاسخ گویان و زیرنمونه ی انتخابی از بی پاسخ ها است. همان طور که می دانیم در براورد پارامترهای جامعه مثل میانگین، تعداد کل و نسبت، استفاده از اطلاعات یک یا دو متغیر کمکی باعث افزایش دقت براوردگرها می شود. روش های براورد نسبتی، ضربی و رگرسیونی و براوردگرهای هم گذاشتی آن ها نمونه های خوبی در این زمینه هستند. در این پایان نامه با استفاده از فن هنسن و هورویتس (1946)، روش نمونه گیری دوفازی برای بهبود براورد میانگین جامعه ای در حضور بی پاسخی با استفاده از اطلاعات یک و دو متغیر کمکی بررسی و براوردگرهایی پیش نهاد شده است. با مقایسه ی کارایی این براوردگرها، بهترین براوردگر میانگین جامعه ای معرفی می شود. در حالت استفاده از یک متغیر کمکی براوردگرهای بهینی که حالتی از براوردگرهای نسبتی و رگرسیونی هستند و دارای واریانس یکسان هستند به عنوان بهترین براوردگرها معرفی می شوند. در حالت استفاده از دو متغیر کمکی براوردگر بهین هم گذاشتی نسبتی و رگرسیونی به عنوان بهترین براوردگر شناخته می شود. علاوه بر آن با در نظر گرفتن تابع هزینه ی روش دوفازی، در حالت استفاده از یک متغیر کمکی مقدارهای بهینی برای اندازه نمونه ای در هر فاز، به دست می آید و کارا بودن براوردگر معرفی شده، با ثابت بودن تابع هزینه یا واریانس براوردگرها نشان داده می شود. در نهایت با یک مطالعه ی شبیه سازی براوردگرهای پیش نهادشده در حالت استفاده از یک متغیر کمکی با هم مقایسه می شوند و عمل کرد بهترین براوردگر نشان داده می شود.

آمارگیری از گروه هایی که بخش کوچکی از کل جامعه شاید 10 درصد یا کم تر را تشکیل می دهند، با مشکل هایی روبه رو است و به علاوه نمونه گیری از این گروه ها با به کارگیری طرح های نمونه گیری متدوال به منظور براوردهایی ویژگی های آن ها مناسب به نظر نمی رسد. بنابر این برای نمونه گیری از این گروه ها که گروه ها کمیاب (نادر) و پنهان نامیده می شوند روش های مختلفی پیش نهاد شده اند. هر روش با توجه به نوع جامعه، مزیت ها و ضعف هایی دارد. در این گروه های کمیاب نیز اغلب چارچوب نمونه گیری در دسترس نیست. از این رو، روش هایی برای چارچوب سازی مطرح شده اند. در این پایان نامه، پس از معرفی جامعه های کمیاب و پنهان، روش های مختلف نمونه گیری و روش های چارچوب سازی از این جامعه ها معرفی می شوند. سپس یک رده ی قابل انعطافی از طرح های نمونه گیری سازوار برای نمونه گیری از جامعه های شبکه ای و مکانی به نام نمونه گیری وبی سازوار مطرح می شود که مزیت های ویژه ای نسبت به دیگر طرح های نمونه گیری سازوار و طرح های ردیابی اتصالی دارد. در پایان، طرح های مختلف نمونه گیری وبی سازوار بر روی داده های به دست آمده از نتیجه های سرشماری کشاورزی ایران در سال 1382 در رابطه با میزان تولید زیتون، انجام می شود. همچنین به منظور انجام مقایسه ای بین طرح های نمونه گیری وبی سازوار با یکی از طرح ها نمونه گیری از جامعه های کمیاب معرفی شده، طرح نمونه گیری سازوار وارون عام نیز بر روی همان بررسی شده و نتیجه های هر دو روش تحلیل می شوند.

بی پاسخی به عنوان یکی از خطاهای غیرنمونه گیری در بسیاری از آمارگیری ها اتفاق می افتد و اغلب سبب اریبی براوردگرها می شود. از مهم ترین روش های تعدیل اثر بی پاسخی می توان تعدیل وزن دهی و جانهی را نام برد. هنگامی که ساختار گم شدگی قابل چشم پوشی باشد، جانهی استفاده می شود. مجموعه داده های کامل مهم ترین نتیجه ی حاصل از فرایند جانهی است و بر اساس آن امکان استفاده از براوردگرهای متعارف، فراهم می شود. در بیشتر روش های رایج جانهی، براوردگرهای میانگین و مجموع کل (براوردگرهای جانهی) نااریبی خود را حفظ می کنند ولی معمولاً واریانس این براوردگرها (واریانس جانهی) با استفاده از براوردگرهای متعارف، کم براورد می شود. منبع های پراکندگی نهفته در براوردگرهای متعارف واریانس، ساختار نمونه گیری و مقدارهای متغیر هستند. در حالی که پس از جانهی، منبع های تغییر دیگری مانند ساختار گم شدگی و فرایند جانهی نیز ایجاد می شوند. ولی براوردگرهای متعارف این منبع های تغییر را در نظر نمی گیرند و یا به عبارت دیگر نمی شمارند. کم براوردی واریانس، به عنوان معیار پراکندگی یک براوردگر، می تواند خطای زیادی را در استنباط ها ایجاد کند. در این پایان نامه روش های مختلف براورد واریانس جانهی که هر کدام به شکلی از کم براوردی جلوگیری می کنند، معرفی می شوند. رویکرد عمومی، براورد واریانس جانهی چندگانه، روش جک نایفی تعدیل شده، روش مدل یار، روش خودگردانی و روش نیم نمونه ی متعادل تعدیل شده از جمله روش های براورد واریانس جانهی هستند. رویکرد یک پارچه ی خطی سازی در براورد واریانس جانهی نیز به عنوان یکی از روش های معرفی شده در سال های اخیر بررسی می شود. در این روش ابتدا براوردگر جانهی (براوردگر پارامتر اصلی) با استفاده از یک روش خطی سازی نسبت به براوردگرهای پارامترهای مزاحم خطی می شود. براوردگر خطی سازی شده یک معادل مجانبی برای براوردگر جانهی است. واریانس این دو براوردگر نیز به طور مجانبی برابر هستند. رویکرد یک پارچه، همه ی روش های جانهی قطعی و تصادفی به جز جانهی نزدیک ترین همسایه را پوشش می دهد. سرانجام در قالب یک مطالعه ی کاربردی، هنگامی که روش جانهی رگرسیونی است، براوردگرهای واریانس جانهی در جانهی چندگانه، روش مدل یار، خودگردانی و رویکرد یک پارچه با یکدیگر مقایسه می شوند. مجموعه داده های هزینه و درامد خانوار در این مطالعه ی شبیه سازی به کار گرفته می شود و روش های براورد واریانس جانهی بر اساس معیارهایی مانند کارایی نسبی و احتمال پوشش مقایسه می شوند.

چکیده به علت اندک بودن داده های آمارگیری در کوچک ناحیه ها، براوردگرهای مستقیم از دقت بالایی برخوردار نیستند. با توجه به افزایش وسیع تقاضا برای تولید آماره های معتبر و دقیق برای کوچک ناحیه ها، سعی شده است که با ارایه رویکردهای مناسب این مشکل حل شود. رویکردهای براورد کوچک ناحیه ای براساس مدل به خصوص آن هایی که براساس مدل های آمیخته ی خطی با اثرهای تصادفی ناحیه ای هستند با استفاده از منبع های مختلف اطلاعات کمکی به برارودگرهای مستقیم قدرت وام می دهند تا دقت آن ها را افزایش دهند. این رویکردها نسبت به مشخص-سازی مناسب مدل حساسیت بالایی دارند. در بعضی از مسایل کاربردی برازش مدل کار بسیار مشکلی است. در این حالت، رویکرد مستقیم مدل پایه (mbd) جایگزین مناسبی برای نااستواری براوردگرهای نامستقیم مدل پایه است. این رویکردها ترکیب خطی موزون از داده های نمونه ای با وزن های چند منظوری است. این وزن ها از مدلی که به صراحت اثرهای تصادفی ناحیه ها در آن در نظرگرفته شده است قدرت وام می گیرد. در این پایان نامه ضمن آشنایی با روش های برارود کوچک ناحیه ای، رویکرد وزنی مستقیم مدل پایه در براورد کوچک ناحیه ای مورد بررسی قرار گرفته است. در بخش کاربردی با استفاده از اطلاعات سرشماری کشاورزی سال 1382 استان فار برارود کوچک ناحیه ای برای شهرستان های این استان با رویکرد مذکور و روزیکر بهترین پیشگوی نااریب خطی براساس مدل در سطح واحد آماری به دست آورده و هر کدام از این رویکردها براساس براورد میانگین توان دوم خطای با هم مقایسه شده اند. واژه های کلیدی: کوچک ناحیه ای، مدل آمیخته ی خطی، وزن های نمونه ای چندمنظوری، برارودگر mbd، براوردگر eblup

آمارگیری فعالیتی هدفمند است که طی آن‎‎ اطلاعاتی از نمونه ای از واحدهای یک جامعه گرداوری می شود‎‎ که به دو صورت سرشماری و آمارگیری نمونه ای است. در هر آمارگیری خطاها توزیع براورد پارامتر مورد نظر را تحت تأثیر قرار می دهند و می توانند آن را به یک سمت خاص سوق داده و یا پراکندگی آن را تغییر دهند. این خطاها شامل خطاهای نمونه گیری و غیرنمونه گیری بوده که خطاهای غیرنمونه گیری نیز شامل خطای مشخص سازی، پوشش، اندازه گیری، بی پاسخی و پردازش هستند. تمام این خطاها به طور یک جا خطای کل آمارگیری ‎ (‎ ) را تشکیل می دهند. اگر براوردی از در دست باشد، می توان به مقایسه ی آمارگیری های مختلفی که با استفاده از روش های تولید آمار، براوردگرها و طرح های آمارگیری متفاوت اجرا شده اند پرداخت. در یک آمارگیری‎‎ نیز با استفاده می توان طرح های مختلف را با هم مقایسه کرده و تخصیص مناسبی از منبع ها داشت. راه های کمی کردن ‎عبارتند از مقایسه با منبع مستقل داده ای و میانگین توان دوم خطای براوردگر ( ). ‎برای براورد ، در صورت وجود اندازه های استاندارد طلایی، می توان از روش تقریبی استفاده کرد. روش دیگر‏، تجزیه ی خطای کل آمارگیری به خطاهای سطح های پایین تر و براورد تک تک خطاها و در نهایت براورد اریبی کل و تک تک مولفه های واریانس است. براورد ‎ از مجموع توان دوم این اریبی کل و واریانس ها حاصل می شود. ‎‎روش دیگری برای تحلیل خطاها به خصوص خطای اندازه گیری داده های رسته ای وجود دارد که تحلیل رده ی پنهان (lca) نام دارد. در این روش از متغیر های آشکار رسته ای برای براورد احتمال های خطا استفاده می شود. این رهیافت برای براورد اریبی اندازه گیری به اندازه های استاندارد طلایی نیاز ندارد. ‎‎در فصل آخر، یک آمارگیری کوچک مقیاس اجرا و در براورد نمونه ای نسبت دانش جویانی که حداقل یک درس افتاده اند و نیز نسبت دانش جویانی که حداقل یک بار مشروط شده اند، به دو روش براورد شد. برای این کار از پرسش نامه ای شامل پرسش های نشانیده استفاده شد. این پرسش ها به عنوان نشان گرهایی برای متغیر پنهان وضعیت افتادن از درسی و وضعیت مشروطی دانش جو در نظر گرفته شده اند. از تحلیل رده ی پنهان برای براورد احتمال های خطا و براورد اریبی اندازه گیری متناظر با این پرسش ها کمک گرفته شده است.

در آمارگیری از جامعه های متناهی معمولاً یک نمونه ی احتمالاتی از یک چارچوب نمونه گیری که همه ی واحدهای جامعه ی هدف را پوشش می دهد، انتخاب می شود. در برخی موارد، چارچوبی که در دسترس است به صورت کامل جامعه ی هدف را پوشش نمی دهد لذا آماره های آمارگیری حاصل از این چارچوب ها اریب هستند. از طرفی روزامدسازی چارچوبی که در دسترس است نیاز به صرف هزینه های زیاد دارد . از آمارگیری های چندچارچوبی با هدف افزایش پوشش جامعه و بهبود میزان اریبی و کاهش هزینه ها استفاده می شود. در آمارگیری های چندچارچوبی، نمونه ها به صورت مستقل از چند چارچوب که هم پوشانی دارند و پوشش مناسبی از جامعه ی هدف ارائه می کنند، انتخاب می شوند .چندین براوردگر برای مجموع جامعه ای در آمارگیری های چندچارچوبی معرفی شده اند. ما در این پایان نامه ضمن معرفی این براوردگرها، براوردگرهای واریانس جک نایفی، خطی سازی و خودگردانی در این نوع آمارگیری ها را شرح می دهیم . در نهایت در یک مطالعه ی شبیه سازی کارایی براوردگرهای مختلف را با هم مقایسه می کنیم.

دو رویکرد عمده همواره مورد نظر سازمان های آماری ملی بوده و هنوز هم است. اولین رویکرد آن ها انتشار آمار و اطلاعات برای برنامه ریزی، سیاست گذاری و ... در جامعه و رویکرد دوم آن ها حفظ محرمانگی اطلاعات واحدهای آماری فردی و موسسه ای است. اجرای همزمان این دو رویکرد توسط سازمان های آماری ملی، چالشی را برای آن ها به وجود می آورد. زیر را که رویکرد اول معادل است با گرداوری داده های غنی و کامل (تا حد امکان) که منبع ها اجازه می دهند. به دنبال آن کیفیت و جزئیات داده ها ارتقا یافته و ممکن است انتشار آن ها منجر به افزایش مخاطره ی افشای هویت و صفت واحدهای آماری شود. بنا بر این محرمانگی اطلاعات گرداوری شده ی این واحدها حفظ نشده و باعث می شود که پاسخ گویان اطلاعات دقیق و کامل را در اختیار سازمان های آماری ملی قرار ندهند و یا با آن ها همکاری نکنند. از این رو کیفیت داده های موجود با افزایش بی پاسخی و یا ارائه ی پاسخ های نادقیق کاهش می یابد و در نتیجه، آسیب های جبران ناپذیری به نحوه ی اداره ی جامعه وارد خواهد شد. یکی از این آسیب های مهم مخدوش شدن برنامه ریزی ها در جامعه است. برای پاسخ به چالش پیش روی تولید آمار توسط سازمان های آماری ملی؛ باید گفت که این سازمان ها می توانند بین انتشار آمارها و حفظ محرمانگی اطلاعات واحدهای آماری، موازنه ای داشته باشند. ابزار آماری لازم برای این موازنه از روش های کنترل و محدودسازی افشای آماری استفاده می کند. این روش ها به دو رسته ی پریشیدگی و ناپریشیدگی قابل تقسیم هستند که برای محدودسازی افشای داده های خرد و جدولی مورد استفاده قرار می گیرند. ابتدا این روش ها به طور مفصل معرفی می شوند و سپس، با توجه به این که اغلب متغیرهای گسترش ساز بررسی شده در سازمان های آماری ملی، ساختار سلسله مراتبی دارند؛ روش های معرفی شده از قبیل پنهان سازی خانه ای بر اساس دو رهیافت جریان های شبکه ای و مرحله وار را روی جدول های سلسله مراتبی منتشر شده توسط بانک مرکزی ایران با نام "نتایج بررسی کارگاه های بزرگ صنعتی کشور" در سال های ‎1383‎ و ‎1384‎ برای حفاظت از محرمانگی اطلاعات به کار می بریم

در بسیاری از آمارگیری ها، واحدهای موردنظر به تعدادی از پرسش ها و یا تمام آن ها پاسخ نمی دهند. این امر موجب بروز بی پاسخی می شود. اریبی و تورم واریانس دو اثر مهم بی پاسخی بر آماره های آمارگیری هستند. روش های مختلفی برای تعدیل اثر بی پاسخی مورد استفاده قرار می گیرد.یکی از این روش ها، روش امتیاز تمایل است.در این پایان نامه ضمن آشنایی با خطای بی پاسخی، برخی از پرکاربردترین روش های تعدیل اثر آن بیان شده اند. سپس روش امتیاز تمایل و براوردگرهای تعدیلی حاصل از آن معرفی شده اند.

هدف اصلی در این پایان نامه‏، مقابله با داده های گم شده در مجموعه داده های حاوی گم شدگی است. در این راستا از روش جانهی استفاده می کنیم و سپس تاثیر مقادیر جانهی شده در زمینه رده بندی و پیش بینی‏ را با استفاده از نگرش بیزی ارزیابی می کنیم.

چکیده ندارد.