Problem of Compromise Allocation in Multivariate Stratified Sampling Using Intuitionistic Fuzzy Programming

Der Artikel geht der Herausforderung der Kompromissallokation bei multivariaten geschichteten Stichproben nach und konzentriert sich auf die Anwendung intuitionistischer Fuzzy-Programmierung zur Optimierung der Stichprobengröße über verschiedene Schichten hinweg. Es beginnt mit der Einführung des Konzepts der Datenstichprobe und ihrer Bedeutung für die statistische Analyse, wobei die Notwendigkeit effizienter Stichprobenmethoden betont wird, um verlässliche Ergebnisse zu gewährleisten. Anschließend präsentieren die Autoren eine detaillierte Methodik für den Einsatz intuitionistischer Fuzzy-Programmierung, um das multiobjektive Optimierungsproblem in multivariaten Stichproben zu lösen und klare Definitionen und mathematische Formulierungen zu liefern. Der Artikel enthält numerische Beispiele, um die praktische Anwendung der vorgeschlagenen Methode zu demonstrieren und zu zeigen, wie intuitionistische Fuzzy-Programmierung eingesetzt werden kann, um eine Kompromissallokation zu erreichen, die Abweichungen minimiert und die Genauigkeit von Bevölkerungsschätzungen verbessert. Die Schlussfolgerung betont die Bedeutung der Berücksichtigung der Messunsicherheit und der Notwendigkeit effektiver Stichprobenstrategien in multivariaten Studien. Insgesamt bietet der Artikel wertvolle Erkenntnisse und praktische Lösungen für Datenwissenschaftler und Statistiker, die an komplexen Stichprobenproblemen arbeiten.