Pondérations par une méthode bayésienne séquentielle objective dans l'échantillonnage

Consulter la version la plus récente.

Information archivée dans le Web

L’information dont il est indiqué qu’elle est archivée est fournie à des fins de référence, de recherche ou de tenue de documents. Elle n’est pas assujettie aux normes Web du gouvernement du Canada et elle n’a pas été modifiée ou mise à jour depuis son archivage. Pour obtenir cette information dans un autre format, veuillez communiquer avec nous.

Contenu archivé

Cette page Web a été archivée dans le Web.

Jeremy Strief et Glen Meeden ¹

Résumé

Bien que l'utilisation de pondérations soit très répandue dans l'échantillonnage, leur justification ultime dans la perspective du plan de sondage pose souvent problème. Ici, nous argumentons en faveur d'une justification bayésienne séquentielle des pondérations qui ne dépend pas explicitement du plan de sondage. Cette approche s'appuie sur le type classique d'information présent dans les variables auxiliaires, mais ne suppose pas qu'un modèle relie les variables auxiliaires aux caractéristiques d'intérêt. La pondération résultante d'une unité de l'échantillon peut être interprétée de la manière habituelle comme étant le nombre d'unités de la population que cette unité représente.

Mots clés

Échantillonage; pondérations; inférence bayésienne.

Table des matières

1 Introduction

2 La loi a posteriori de Pólya

3  La loi a posteriori de Pólya contrainte

4 Pondérations basées sur la loi a posteriori de Pólya contrainte

5 La loi a posteriori de Dirichlet pondérée

6 Pondérations et estimateurs de Horvitz-Thompson

7 Exemples

8 Dernières remarques

 

 

 

 

 

---

¹ Jeremy Strief, Statisticien principal, Medtronic Energy and Component Center, Brooklyn Center, MN 55430. Courriel : jstrief@gmail.com; Glen Meeden, School of Statistics, University of Minnesota, Minneapolis, MN 55455.Courriel : glen@stat.umn.edu.