Eşdeğer Grup Tasarımı (EG) – İstatistik Alanları- İstatistik Fiyatları – Ücretli İstatistik – İstatistik Yaptırma
Standart eşitleme hatası olan SEE de veri toplama tasarımına ve diğer faktörlere göre değişir. Eşitleme tasarımının Güneydoğu Avrupa üzerindeki etkisi oldukça büyük olabilir. GDA, puan verilerinin DF tarafından rˆ ve sˆ’ya dönüştürülmeden önce önceden düzeltilme biçiminden de önemli ölçüde etkilenir.
Bu çalışmada, Hollanda ve Thayer (1987, 2000), Livingston (1993a) ve diğerlerini, farklı veri toplamadan ortaya çıkan tek değişkenli ve iki değişkenli puan dağılımlarını tahmin etmek için puan dağılımları için log-lineer modellerin kullanılmasını savunarak takip ediyoruz.
Bölüm 5’te göstereceğimiz gibi, Çekirdek Eşitleme için SEE üç bölümden oluşur, (i) biri Kernel Equating işlevinin kendisine bağlıdır (yani, Kernel Equating işlevinin kullanımına bağlıdır), (ii) veri toplamaya bağlıdır. tasarım (Tasarım Fonksiyonu aracılığıyla) ve (iii) ham verileri önceden yumuşatma yöntemine bağlı olan bir tasarımdır.
Bu bölümde tartışılan her veri toplama tasarımı için, (a) ortaya çıkan veri setinin yapısını tanımlayacağız, (b) analizimizin altında yatan varsayımları belirleyeceğiz, (c) gözlemlenen puanın eşit olduğu hedef popülasyonu belirleyeceğiz. hesaplanıyor, (d) hedef popülasyon ve verilerden elde edildikleri Tasarım Fonksiyonu üzerindeki iki testin puan dağılımlarını tanımlayan puan olasılıklarını ({rj} ve {sk}) tartışın, ve (e) denkleştirici tasarımın kullanımıyla özel ilgisi olan diğer herhangi bir malzemeden bahsedilecektir.
Bu önemli tasarımlara odaklanacağız: Eşdeğer Grup Tasarımı (EG), Tek Grup Tasarımı (SG), Karşı Dengeli Tasarım (CB) ve Çapa Testi (NEAT) ile Eşdeğer Olmayan grupların çeşitli versiyonları İç ve dış çapa testleri ile tasarımdır. Bu bölümdeki NEAT Tasarım tartışmamızda hem “Zincir Eşitleme” hem de “Tabakalaşma Sonrası Eşitleme” yöntemlerini ele alıyoruz (ikincisi hem “Tucker yönteminin” hem de “frekans tahmini” nin KE versiyonunu içerir).
Mahalle Ulusal Mimari ve kentsel Tasarım Fikir Yarışması
Mahalle tasarım örnekleri
7 iklim 7 bölge: mahalle ulusal mimari ve kentsel tasarım fikir yarışması”
mahalle tasarımı fikir yarışması 1. ödül
Mahalle Tasarımı Fikir Yarışması Projeleri
Mahalle tasarım Projeleri
SÜRDÜRÜLEBİLİR mahalle tasarımı
Arkitera
Eşdeğer Grup Tasarımı (EG)
Eşdeğer Gruplar (EG) Tasarımında, ortak bir sınava giren P popülasyonundan iki bağımsız rastgele örnek alınır, test X bir örneğe, Y testi diğerine uygulanır. Tablo 2.1, X’in birine ve Y’nin diğerine uygulandığı P’den iki farklı numunenin çekildiğini ve hiç kimsenin hem X hem de Y’yi almadığını göstermenin yoludur.Tümünü açıklamak için benzer rakamları kısa bir el olarak kullanacağız. diğer tasarımlar. Veri toplama tasarımları için benzer bir şematik gösterimdir.
EG Tasarımı, basitliği nedeniyle çekici. Popülasyon (P) genellikle kolayca belirlenir ve hedef popülasyon T’dir. İki örnek, r ve s’yi doğrudan tahmin etmek için kullanılabilecek verileri sağlar. Ayrıca, aşağıda 2.1 ve 2.2 dışında dikkate alınması gereken ek varsayımlar yoktur. X ve Y verileri arasında, diğer tasarımların kullanımında dikkate alınması gereken “uygulama, yorgunluk, öğrenme” veya başka “düzen etkileri” sorunları da yoktur.
Ancak bu sadeliğin bir bedeli vardır. EG tasarımı, standart eşitleme hatasıyla ölçülen belirli bir hassasiyet düzeyine ulaşmak için genellikle en büyük numune boyutlarını gerektirir. Ayrıca, test güvenliği nedeniyle testin tekrar kullanılamadığı durumlarda tasarım pratik değildir. Varsayım 2.1, sınava girenlerin her iki sınava da girebileceğini ve test güvenliğinin ciddi bir sorun olması durumunda, sınava giren kişinin daha önceki bir test yönetiminde zaten verilmiş bir sınava girmesinin genellikle uygun olmadığını söyler.
Aşağıdaki varsayımlar, EG Tasarım analizimizin temelini oluşturur.
Varsayım 2.1. Her iki testi de alabilecek tek bir P grubu vardır.
Varsayım 2.2. İki örnek, bağımsız olarak ve rastgele olarak, sınava girenlerin ortak popülasyonu
Test uygulama koşulları (örneğin, bölüm süresi sınırları) iki test için aynıysa, grupları oluşturmak için sarmal örnekleme kullanılabilir. (Bu bölümün son bölümünde rastgele ve sarmallı örnekleme tartışılmaktadır). Varsayım 2.2 geçerli olmazsa ve ölçülen kabiliyet açısından numuneler benzer değilse, eşitleme işlemine bilinmeyen bir sapma derecesi verilecektir.
Bu, her bir sınava giren sınava giren örneklemler arasındaki sınava giren becerilerindeki farklılıkları kontrol etmenin temel gerekliliğini ihlal eder. Örnekler arasındaki rastgele farklılıkları en aza indirmek için örnek boyutlarının büyük olması gerekir.
Daha önce belirtildiği gibi, iki örnek tek bir popülasyondan alındığı için, gözlemlenen skor eşitlemesinin yapılacağı hedef popülasyon, T, tam olarak sınava girenlerin örneklendiği P popülasyonudur.
Bölüm 1, Bölüm 1.2’de tanıtılan gösterimi tekrarlayarak, X ve Y’nin olası ham puan değerlerini sırasıyla x1, …, xJ ve y1, …, yK ile ifade ediyoruz ve X için puan olasılıklarını belirtiyoruz. ve Y sıralama;
rj = Prob {X = xj | T} ve sk = Prob {Y = yk | T}
burada j = 1, …, J ve k = 1, …, K olur.
Son olarak, (r1, …, rJ) t ve ile verilen (sütun) vektörünü r ile belirtin. s (s1,…, sK) t ile verilen (sütun) vektördür. Tasarım Fonksiyonu, bu durumda çok basittir çünkü EG’de tasarım, r ve s elde etmek için verilerin başka bir dönüşümü yoktur, yani doğrudan tahmin edilirler.
IJ, bir J × J kimlik matrisidir. Böylece, DF, ΩJ × ΩK ile kendisi arasındaki özdeşlik eşlemesidir, yani, ΩJ, toplamı 1’e eşit olan pozitif koordinatlara sahip tüm J-vektörlerinin toplamıdır.
Tasarım Fonksiyonu, diğer eşitleme tasarımlarında daha karmaşıktır.
Tek Gruplu Tasarım (SG)
Tek Grup (SG) Tasarımında, eşitlenecek iki test, tek bir P popülasyonundan alınan aynı muayene grubuna uygulanır. Dolayısıyla, P’den gelen tek bir rastgele örneklem hem X hem de Y testlerini alır.
Bu muhtemelen şimdiye kadar kullanılan ilk eşitleme tasarımıydı ve aynı sınavları her iki testle test ederek sınava giren kişinin yeteneğini kontrol etme ihtiyacını ele alıyor. Tablo 2.2, bu veri yapısını, EG Tasarımı için Tablo 2.1’e benzer bir şekilde göstermektedir.
SG Tasarımının avantajlarından biri, sınava giren her kişi her iki test için de veri ürettiğinden, her iki testi de alan grupların aynı olması, Bölüm 2.1’deki EG Tasarımında, grupların yalnızca P olması gerekir.
SG Tasarımındaki X ve Y skorlarının bu şekilde eşleştirilmesi, X ve Y arasında güçlü bir korelasyon oluşturabilir ve SG Tasarımında ortaya çıkan eşitleme fonksiyonları için daha küçük standart hatalara neden olabilir. Bunu 8. Bölümde daha ayrıntılı olarak tartışacağız.
7 iklim 7 bölge: mahalle ulusal mimari ve kentsel Arkitera Mahalle tasarım örnekleri Mahalle tasarım Projeleri mahalle tasarımı fikir yarışması 1. ödül Mahalle Tasarımı Fikir Yarışması Projeleri Mahalle Ulusal Mimari ve kentsel Tasarım Fikir Yarışması SÜRDÜRÜLEBİLİR mahalle tasarımı tasarım fikir yarışması”