: یکی از مسایل خیلی مهم در تحقیقات علمی حجم یا اندازه نمونه است. در «کوچک ناحیه» حجم نمونه در اختیار از حجم نمونه بهینه کمتر است. بنابراین برآوردگر مستقیم بر اساس اطلاعات این ناحیه از دقت مناسب برخوردار نیست. برای جبران این کمبود حجم نمونه از منابع مختلف اطلاعات کمکی استفاده می شود. یکی از روش های ترکیبی اطلاعات کمکی و اطلاعات متغیر مورد بررسی استفاده از مدل های آمیخته خطی است، که توانایی استفاده از اثرات ناحیه ها را برای افزایش دقت استنباط دارند. درمدل سطح ناحیه یا فی-هریوت که پرکاربردترین مدل در برآورد کوچک ناحیه است، معمولاً فرض می شود که اثرهای تصادفی خاص هر ناحیه و خطاهای نمونه گیری، دارای توزیع نرمال هستند. اما مقدارهای خیلی بزرگ یا خیلی کوچک از مولفه های خطا باعث عملکرد ضعیف برآوردهای کوچک ناحیه ای بر اساس روش های برآورد کوچک ناحیه ای موجود می شوند. برای رفع این مشکل در این سخنرانی برای مولفه های خطا توزیع α-پایدار متقارن جایگزین توزیع نرمال می شود و با رهیافت بیز تجربی پارامترهای کوچک ناحیه ها برآورد می شوند. با استفاده از شبیه سازی و تحلیل داده های واقعی به مقایسه مدل جدید ارائه شده با روش بیز تجربی در مدل کلاسیک بر اساس نرمال بودن مولفه های خطا و روش های استوار بر اساس رهیافت بیز تجربی پرداخته و کارایی مدل پیشنهادی در برآورد دقیق پارامترهای کوچک ناحیه ، به خصوص وقتی مولفه های خطا هر دو نرمال یا هر دو دارای توزیع دم بلند هستند، نشان داده می شود. از برآورد کوچک ناحیه در برآورد تعداد افراد زیر خط فقر در یک رده سنی خاص در سرشماری، برآورد میزان محصولات کشاورزی در سطح های کوچک تر ... در عمل استفاده می شود.
