Адаптивная кластерная выборка — ACS
Адаптивная кластерная выборка (ACS) — это вероятностный дизайн, при котором первоначальная случайная выборка единиц инициирует включение соседних единиц всякий раз, когда выполняется предопределенное условие — обычно пороговое значение количества редкого признака. Разработанная Стивеном К. Томпсоном в 1990 году, ACS особенно эффективна для оценки численности или распределения редких, пространственно кластеризованных популяций, таких как исчезающие виды, очаги заболеваний или труднодоступные социальные группы.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Источники
- Thompson, S. K. (1990). Adaptive cluster sampling. Journal of the American Statistical Association, 85(412), 1050–1059. DOI: 10.2307/2289601 ↗
- Thompson, S. K., & Seber, G. A. F. (1996). Adaptive Sampling. Wiley. ISBN: 978-0471558712
Как цитировать эту страницу
ScholarGate. (2026, June 3). Adaptive Cluster Sampling. ScholarGate. https://scholargate.app/ru/survey-methodology/adaptive-cluster-sampling
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Адаптивная стратифицированная выборкаМетодология опросов↔ compare
- Кластерная выборкаМетодология опросов↔ compare
- Многоступенчатая выборкаМетодология опросов↔ compare
- Снежный комМетодология опросов↔ compare
- Стратифицированная выборкаМетодология опросов↔ compare
- Систематическая выборкаМетодология опросов↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →