Annexe
Jun Shao, Eric Slud, Yang Cheng, Sheng Wang et Carma Hogue
Précédent
Preuve du théorème 1. Sous échantillonnage PPT,
pour l'unité
et à chaque tirage avec remise,
l'indice échantillonné
possède
pour chaque
En calculant les moyennes et les
variances (sous échantillonnage répété) de
et
nous constatons que les variances
sont d'ordre
au moyen des limites données dans
(C2) et (C3) et des bornes données dans (C4). Les assertions de la partie (a) s'ensuivent directement.
Pour
l'assertion (b), nous
avons, en vertu de la définition de
, que
d'où l'égalité (2.1) dans (b) découle immédiatement par
substitution des limites de la partie (a) ainsi que des limites
Soit
la matrice diagonale par blocs avec deux blocs
diagonaux
et
et pour
soit
Puisque
et
sont indépendants,
est indépendant de
Notons que, ici et tout au long
de la présente preuve, les sommes sur
utilisées pour définir
et les estimateurs de variance
doivent être interprétés comme étant des sommes avec multiplicité compte
tenu du plan d'échantillonnage PPT avec remise. La condition (C4) permet d'appliquer le théorème
central limite de Liapounov pour montrer que
où
est la matrice identité de
dimensions
, et
est donné dans l'énoncé de (d). Les limites qui définissent les
variances asymptotiques dans (A.2) existent conformément à (C3).
Preuve de (c).
Il est facile de vérifier d'après la définition que
Puisqu'il a été établi dans (a) que
et
il s'ensuit que la distribution
limite de
est la même que celle de
qui est clairement la même que celle de
dans (A.1). La première assertion
de (c) découle
immédiatement de (A.2). La convergence de
s'ensuit en notant en vertu
de (a) que
Le deuxième terme du premier
membre de (A.3) contient une variance d'échantillonnage PPT avec remise
calculée de manière qu'elle soit bornée par
conformément à (C4), dont l'espérance en vertu de (C3) converge vers
Preuve de (d). De (1.2) et (a), il découle que
qui
peut aussi être considéré comme la représentation
où la deuxième égalité découle des définitions notationnelles
de
de
même que
et la troisième
de
En vertu de (A.2),
et
En
vertu de la condition (C2),
Par conséquent, en
vertu de (A.2), de la condition (C3) et de la méthode delta,
où la variance asymptotique
est systématiquement
estimée par
qui est en accord avec la formule (9) de Cheng et coll. (2010). La preuve que
est similaire.
Preuve du théorème 2. En vertu de la
conclusion (c) du théorème 1,
La conclusion (2.4) dans la
partie (a) de ce théorème s'ensuit
directement.
Dans la
preuve du théorème 1, nous avons montré que
où les vecteurs constants
(et
) ont été définis dans
la partie (d) du théorème 1.
De même,
Quand (2.3) est vérifiée,
(en vertu de la
partie (b) du théorème 1)
et
de
sorte que
pour
Il découle
directement de (A.5) et (A.6) que
et donc que les
estimateurs
suivent
la même loi asymptotique, qui est normale comme nous l'avons montré à la
partie (d) du théorème 1. Enfin, la définition de
implique que
, et (A.5) et (A.6) impliquent que
ce qui achève la preuve de (2.5) dans (a).
Preuve de (b). Si
alors (A.4) implique
que
c.-à-d. que le test t pour l'égalité de
donne
lieu au rejet avec certitude à la limite. Alors (A.7) continue d'être vérifiée,
et la loi asymptotique de
demeure
la même que celle de
Preuve du théorème 3. Dans ce théorème,
les hypothèses (C2) à (C4) sont remplacées par les
hypothèses selon lesquelles les triplets iid
satisfont les
conditions de moments et le modèle (2.7). Les assertions dans (C2) à (C4) restent alors vérifiées lorsque la probabilité tend vers 1
quand
sont
grands, ce qui est établi à l'aide de la loi (forte) des grands nombres.
Outre les
conclusions des théorèmes 1 et 2, il reste à montrer que
possède une plus petite
variance asymptotique que
Soit
et
Selon la définition de
et
dans
(2.2), il suffit de montrer que
prend
sa valeur minimale à
Nous
allons maintenant prouver cela pour
La preuve pour
est
similaire. Soit
l'élément
de
Puisque
est
symétrique et définie positive sous la condition (C3),
et il existe un
unique tel que
et
Cela
implique que
est
la solution des deux équations suivantes :
Par conséquent, il suffit de
montrer que
Puisque
est
définie positive, le système d'équations (A.8) possède une solution unique. Étant
donné la définition de
et
où la dernière égalité découle de l'hypothèse que
est indépendant de
et
, et est de moyenne 0 et de variance finie, et
chacune des séquences
et
est
iid avec une espérance finie. Par conséquent,
On
prouve de même que
Par conséquent,
est
la solution unique du système d'équations (A.8), c.-à-d. que
prend
sa valeur minimale à
D'où,
Cela
termine la preuve du théorème 3.
Remerciements
Le présent article décrit les travaux de recherche et analyses des auteurs et est diffusé en vue d’informer les parties intéressées et de favoriser la discussion. Les conclusions n’engagent que les auteurs et n’ont pas été approuvées par le Census Bureau. Nous tenons à remercier trois examinateurs et un rédacteur associé de leurs commentaires et suggestions utiles qui nous ont permis d’améliorer l’article. Les travaux de recherche de Jun Shao ont été financés partiellement par la bourse NSF Grant DMS-1007454.
Bibliographie
Bancroft, T., et Han, C.-P. (1977). Inference based on conditional specifications: A note and a bibliography. International Statistical Review, 45, 117-127.
Cheng, Y., Corcoran, C., Barth, J. et Hogue, C. (2009). An estimation procedure for the new public employment survey design. Washington, DC: American Statistical Association. Survey Research Methods Section, American Statistical Association, 3032-3046.
Cheng, Y., Slud, E. et Hogue, C. (2010). Variance estimation for decision-based estimators with application to the annual survey of public employment and payroll. Government Statistics Section of the American Statistical Association. Vancouver: American Statistical Association.
Deville, J.-C., et Särndal, C.-E. (1992). Calibration estimators in survey sampling. Journal of the American Statistical Association, 87, 376-382.
Fuller, W.A. (2009). Sampling Statistics. New York: John Wiley & Sons, Inc.
Isaki, C., et Fuller, W. (1982). Survey design under the regression superpopulation model. Journal of the American Statistical Association, 77, 89-96.
Rao, J.N.K., et Ramachandran, V. (1974). Comparison of the separate and combined ratio estimators. Sankhy�, C, 36, 151-156.
Saleh, A.K. Md. (2006). Theory of Preliminary Test and Stein-type Estimation, with Applications. Hoboken: Wiley-Interscience.
Särndal, C.-E., Swensson, B. et Wretman, J. (1992). Model Assisted Survey Sampling. New York: Springer-Verlag.
Shao, J., et Tu, D. (1995) The Jackknife and Bootstrap. New York: Springer.
Slud, E.V. (2012). Moderate-sample behavior of adaptively pooled stratified regression estimators. U.S. Census Bureau preprint.
Précédent