Propriétés conditionnelles des estimateurs de stratification a posteriori selon la théorie normale - ARCHIVÉ

La stratification a posteriori est une technique courante d’amélioration de la précision des estimateurs, qui consiste à utiliser des éléments d’information qui n’étaient pas disponibles au moment de la préparation du plan de l’enquête. Pour des échantillons vastes et complexes, le vecteur des estimateurs de Horvitz-Thompson des variables d’intérêt de l’enquête et des tailles de la population des strates a posteriori suivra approximativement, dans des conditions appropriées, une distribution normale multidimensionnelle. Cette normalité pour de grands échantillons amène à définir un nouvel estimateur de régression fondé sur une stratification a posteriori, analogue à l’estimateur de régression linéaire dans le cas de l’échantillonnage aléatoire simple. Nous calculons, pour de grands échantillons, le biais et les erreurs quadratiques moyennes selon le plan de ce nouvel estimateur, de l’estimateur de stratification a posteriori courant, de l’estimateur de Horvitz-Thompson et d’un estimateur par quotient. Nous utilisons des populations réelles et une population artificielle pour étudier empiriquement les propriétés conditionnelles et non conditionnelles des estimateurs en vertu d’un échantillonnage à plusieurs degrés.