一种利用辅助属性的高效指数累积对数估计器：来自健康和金融应用的启示

《Measurement: Interdisciplinary Research and Perspectives》：An Efficient Exponential Cum Logarithmic Estimator Using Auxiliary Attributes: Insights from Health and Finance Applications

本研究提出一种新型指数对数估计器，用于简单随机抽样中提升总体均值的估计精度，通过一阶近似推导其均方误差并确定最优条件。经与Naik和Gupta（1996）、Singh等（2007）等7种经典估计器对比，在特定条件下本方法具有更优表现，并采用真实世界健康与金融数据及蒙特卡洛模拟进行双重验证，结果通过图表呈现。

　　

摘要

本文提出了一种新颖的指数累积对数估计器，旨在利用辅助属性来提高简单随机抽样中总体均值的估计精度。该估计器的均方误差已推导到一阶近似值。研究确定了使该估计器的均方误差最小化的最优条件。将所提出的估计器的性能与文献中的几种现有估计器进行了比较，包括Naik和Gupta（1996）的估计器、Singh等人（2007）的估计器、Abd-Elfattah（2010）的估计器、Zaman和Kadilar（2019）的估计器、Zaman（2020）的估计器、Audu等人（2022）的估计器以及Singh、Gupta和Tailor（2023）的估计器。通过实证研究（涵盖健康和金融领域的数据）以及使用各种概率分布的蒙特卡洛方法进行的模拟实验，验证了所提出估计器的优越性能。图表用于直观展示实证分析和模拟分析的结果。