4 Validité
Jae Kwang Kim et Changbao Wu
Précédent | Suivant
À la présente section, nous présentons une
discussion générale de la validité de l'estimateur de la variance par
rééchantillonnage. Soit un paramètre de population finie, qui est une fonction
lisse du total de population Nous supposons que est utilisé pour estimer où est l'estimateur de Horvitz-Thompson de défini en (2.1). L'estimateur de la variance
par rééchantillonnage de est formé par
(4.1)
où et est la réplique de
Pour explorer les propriétés asymptotiques de
l'estimateur de la variance par rééchantillonnage (4.1), nous émettons
l'hypothèse d'une série de populations finies et d'échantillons, telle que
décrite dans Isaki et Fuller (1982). Les populations finies et les plans
d'échantillonnage satisfont les conditions de régularité qui suivent.
C1. Pour toute
caractéristique de la population avec
moment d'ordre deux borné,
C2. Les poids
de sondage sont uniformément bornés. Autrement dit, pour
tout et
tout où et sont
des constantes fixes.
C3. est borné.
C4. Pour tout avec
moment d'ordre quatre borné, l'estimateur de la variance par rééchantillonnage satisfait
(4.2)
pour
un certain uniformément en
(4.3)
et
La condition (4.2) fait en sorte qu'aucune réplique
particulière ne domine les autres. La condition (4.3) contrôle l'ordre des
facteurs La condition (4.4) implique que est un estimateur convergent de Les conditions (4.2) à (4.4) ont également été
utilisées dans Kim, Navarro et Fuller (2006).
En utilisant les conditions de régularité
susmentionnées, le théorème suivant prouve la convergence de l'estimateur de la
variance par rééchantillonnage de la forme (4.1).
Théorème 2.
Soit le paramètre d'intérêt et où est une fonction lisse avec une dérivée
continue à Sous les conditions de régularité
susmentionnées, l'estimateur de la variance dans (4.1) satisfait
Preuve. Voir
l'annexe A.
Nous prouvons maintenant la validité de
l'estimateur amélioré de la variance proposé à la section 3.2. Pour
simplifier, nous supposons que est un estimateur entièrement efficace de la
variance pour Nous supposons aussi que défini en (3.4), satisfait
(4.6)
où désigne l'espérance sous la sélection
aléatoire des répliques pour les jeux de poids de rééchantillonnage entièrement
efficaces, comme il est discuté à la section 3.1. Si est asymptotiquement sans biais, alors est également asymptotiquement sans biais en
vertu de (4.6). Pour le jackknife avec suppression d'un groupe, la condition
(4.6) peut être interprétée comme et
Théorème
3. Supposons que l'estimateur de la variance
initial défini en (3.4) satisfait (4.6). Supposons que
l'estimateur amélioré de la variance est calculé en utilisant les poids de
rééchantillonnage calés comme il est décrit à la section 3.2, avec le
choix de satisfaisant En ignorant les termes d'ordre faible, nous
avons
(4.7)
et
(4.8)
Preuve. Voir
l'annexe B.
Pour un paramètre général nous posons que et calculons La validité de peut être établie en combinant les résultats
des théorèmes 2 et 3.
Précédent | Suivant