چکیده:
يتم استخدام تصميم المعاينة الطبقية في العديد من المسوحات الإحصائية العينية. الطريقة التي استُخدمت منذ زمن طويل لتصنيف عناصر الإطار هي طريقة دالينيوس-هاجز، والتي تعتمد بشكل قوي على توزيع المجتمع. في هذا المقال، نقوم بفحص فرضيات طريقة تصنيف دالينيوس-هاجز، ونقارن طريقة التجميع الضبابي (Fuzzy Clustering) -باعتبارها إحدى الطرق التي لا تفرض قيوداً على توزيع المجتمع- مع طريقة دالينيوس-هاجز. تظهر نتائج الدراسات في هذا المقال أن طريقة التجميع الضبابي هي طريقة أكثر فعالية في البيانات الملتوية، ويمكن تطبيقها في خطط المسح الإحصائي لمركز الإحصاء الإيراني.
خلاصه ماشینی:
وبذلك، فإن الفرق الرئيسي بين التجميع الهرمي والطريقة الضبابية هو أنه في الطريقة الضبابية، لا تُنسب الوحدة الإحصائية بشكل قاطع إلى عنقود واحد، بل يمكن أن تنتمي إلى عدة عناقيد مختلفة بدرجات عضوية متفاوتة بناءً على قيمة دالة العضوية.
وكما يتضح من الطريقة، فإن التجميع الضبابي، على عكس طريقة دالينيوس-هاجز، لا يطبق أي فرضية بشأن توزيع البيانات، بل يعتمد أساس هذه الطريقة على قيم التشابه بين المشاهدات في عنقود واحد والتي يتم الحصول عليها بناءً على دالة مسافة.
4-نتائج مقارنة الطرق تظهر نتائج المقارنات، كما كان متوقعاً، أنه بما أن طريقة تصنيف دالينيوس-هاجز تسعى دائماً، قدر الإمكان، إلى الحفاظ على قيم h S h N متساوية بين الطبقات، فإنها تؤثر بشدة على كفاءة مخطط المعاينة في البيانات الملتوية.
(راجع صورة الصفحة) كما هو موضح في الجدول 1، فإن قيمة متوسط الانحراف المعياري داخل الطبقات للتصنيف الناتج عن الطريقة الضبابية (Fuzzy) في جميع البيانات هي أقل من طريقة دالينيوس-هاجز.
وبذلك يلاحظ أن قيد تساوي h S h N في طريقة دالينيوس-هاجز قد أدى إلى تقليل مستوى التجانس داخل الطبقات، وهو ما يمكن ملاحظة نتيجة هذا عدم التجانس في قيمة متوسط الانحراف المعياري داخل الطبقات.
تظهر دراسة معيار عدم التجانس أن طريقة التجميع الضبابي تقلل بشكل ملحوظ من معيار عدم التجانس داخل الطبقات مقارنة بطريقة تصنيف دالينيوس-هاجز (الجدول 2).
وتعد طريقة التجميع الضبابي واحدة من هذه الطرق التي يمكن أن تؤدي، في حال تطبيقها، إلى زيادة التجانس داخل الطبقات وبالتالي زيادة دقة المخطط.