Skip to main content

Evaluation of probability proportional to predictions estimators of total stem volume

Buy Article:

$50.00 plus tax (Refund Policy)

Abstract:

A plethora of probability proportional to predictions (PPP) estimators makes it hard for a user to decide which one to use. This study demonstrates the need for an extensive screening procedure by example of four PPP estimators of total stem volume and five estimators of sampling error. Bias, absolute bias, root mean square error, sample-based estimators of sampling error, and achieved significance levels of confidence intervals with a nominal significance level were compared across 832 distinct settings. Population size, sample size, the variance and skewness of the volume predictors, and the strength of the correlation and the slope between predicted and actual stem volume varied between settings. Estimators converged in performance as sample sizes increased but were otherwise sensitive to actual settings. Of the tested estimators, Brewer's "cosmetically calibrated" estimator was consistently the best in terms of mean absolute relative bias and generally favored in an overall assessment of five performance criteria. Grosenbaugh's adjusted estimator was a close second and was often ranked first in overall performance when n > 0.15N.

Étant donné la grande diversité d'estimateurs de probabilté proportionnelle aux prédictions (PPP) il est difficile pour l'utilisateur de décider lequel utiliser. Cette étude démontre la nécessité d'une procédure intensive de sélection en prenant pour exemple quatre estimateurs PPP du volume total de la tige et de cinq estimateurs de l'erreur d'échantillonnage. Le biais, le biais absolu, l'erreur moyenne quadratique, les estimateurs de l'erreur d'échantillonnage basée sur l'échantillon et les seuils de signification des intervalles de confiance obtenus avec une valeur nominale de signification sont comparés à l'aide de 832 groupes de données distincts. La taille de la population, la taille de l'échantillon, la variance et l'asymétrie des prédicteurs du volume, le degré de corrélation et la pente du volume prédit sur le volume réel de la tige varient selon le groupe de données. La performance des estimateurs converge avec l'augmentation de la taille de l'échantillon mais ceux-ci sont sensibles aux groupes réels. Parmi les estimateurs testés, l'estimateur artificiellement calibré de Brewer est constamment le meilleur en terme de biais moyen relatif absolu et est généralement favori pour l'évaluation de l'ensemble des cinq critères de performance. L'estimateur ajusté de Grosenbaugh suit de très près au deuxième rang mais il occupe souvent le premier rang pour sa performance générale lorsque n > 0,15N.[Traduit par la Rédaction]

Document Type: Research Article

Publication date: 2002-01-01

More about this publication?
  • Published since 1971, this monthly journal features articles, reviews, notes and commentaries on all aspects of forest science, including biometrics and mensuration, conservation, disturbance, ecology, economics, entomology, fire, genetics, management, operations, pathology, physiology, policy, remote sensing, social science, soil, silviculture, wildlife and wood science, contributed by internationally respected scientists. It also publishes special issues dedicated to a topic of current interest.
  • Information for Authors
  • Submit a Paper
  • Subscribe to this Title
  • Terms & Conditions
  • Sample Issue
  • Reprints & Permissions
  • Ingenta Connect is not responsible for the content or availability of external websites
  • Access Key
  • Free ContentFree content
  • Partial Free ContentPartial Free content
  • New ContentNew content
  • Open Access ContentOpen access content
  • Partial Open Access ContentPartial Open access content
  • Subscribed ContentSubscribed content
  • Partial Subscribed ContentPartial Subscribed content
  • Free Trial ContentFree trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more