Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Auteur(s)
Résultats
Tout (5)
Tout (5) ((5 résultats))
- 1. Échantillonnage dans des bases imparfaites contenant un nombre inconnu d’enregistrements répétés ArchivéArticles et rapports : 12-001-X199300214454Description :
Dans cette étude, nous nous intéressons à des bases de sondage imparfaites desquelles on n’a retiré aucune unité de population mais dans lesquelles un nombre indéterminé d’unités peuvent avoir été ajoutées un nombre indéterminé de fois sous des identités différentes. Lorsqu’on ne pose pas l’hypothèse de l’existence d’information supplémentaire concernant des unités de la base imparfaite, il est établi qu’en ce qui a trait à l’estimation d’un ratio ou d’une moyenne de population, l’erreur quadratique moyenne des estimateurs fondés sur la base imparfaite est inférieure à celle des estimateurs fondés sur la base parfaite pour l’échantillonnage aléatoire simple, lorsque les fractions de sondage des deux bases sont les mêmes. Cependant, cette relation n’est pas toujours vraie en ce qui concerne l’estimation d’un total de population. Il peut aussi arriver que l’estimateur d’un ratio, d’une moyenne ou d’un total ait une erreur quadratique moyenne moins élevée même si la fraction de sondage est plus faible dans la base imparfaite que celle utiliser dans la base parfaite.
Date de diffusion : 1993-12-15 - Articles et rapports : 12-001-X199300214460Description :
Les méthodes qui servent à estimer le biais de réponse dans les enquêtes requièrent des mesures répétées « non biaisées » pour à tout le moins un sous-échantillon d’observations. L’estimateur habituel du biais de réponse est la différence entre la moyenne des observations originales et la moyenne des observations non biaisées. Dans cet article, nous étudions divers estimateurs du biais de réponse tirés de la prédiction modéliste. Nous supposons comme plan de sondage un échantillonnage à deux phases stratifié, avec échantillonnage aléatoire simple dans chaque phase. Nous supposons que la caractéristique y est observée pour chaque unité échantillonnée dans la phase 1, tandis que la valeur vraie de la caractéristique, \mu, est observée pour chaque unité du sous-échantillon prélevée dans la phase 2. Nous supposons en outre qu’une variable auxiliaire x est connue pour chaque unité de l’échantillon de la phase 1 et que le chiffre de population de x est connu. On suppose un certain nombre de modèles qui mettent en relation y, \mu et x; de ces modèles découlent divers estimateurs de E (y - \mu), le biais de réponse. Les estimateurs sont calculés à l’aide d’une méthode d’auto-amorçage destinée à l’estimation de la variance, du biais et de l’erreur quadratique moyenne. La méthode que nous utilisons est en fait la méthode de Bickel-Freedman à une phase, étendue à un plan à deux phases stratifié. À des fins d’illustration, nous appliquons la méthode étudiée à des données du programme de réinterview du National Agricultural Statistics Service. Nous montrons par ces données que l’estimateur fondé sur un modèle de Särndal, Swensson et Wretman (1991) est supérieur à l’estimateur de différence habituel, ce qui prouve qu’il est possible d’améliorer les estimateurs classiques au moyen de la prédiction modéliste.
Date de diffusion : 1993-12-15 - Articles et rapports : 12-001-X199300114478Description :
Le couplage d’enregistrements désigne une technique algorithmique qui sert à identifier des paires d’enregistrements ayant trait au même individu dans des fichiers distincts. Dans cet article, nous étudions un modèle destiné à évaluer les sources de variation dans le couplage d’enregistrements en comparant ce procédé à une « boîte noire » qui reçoit des données d’entrée et restitue un produit (un ensemble de concordances désignées, c.-à-d. de paires dont les éléments représentent la même entité) qui a certaines caractéristiques. Nous illustrons nos propos au moyen d’une expérience factorielle dans laquelle nous nous servons de données du recensement et d’enquêtes postcensitaires afin d’évaluer l’influence de divers facteurs qui sont réputés pour réduire la fiabilité du procédé. Avec ce cadre expérimental, l’évaluation du couplage d’enregistrements devient un problème statistique comme les autres. L’étude permet de répondre à plusieurs questions de recherche et nous prétendons qu’il est essentiel de recourir à des méthodes expérimentales comme celle proposée ici si l’on veut mieux comprendre les sources d’erreur qui interviennent dans les techniques de couplage d’enregistrements.
Date de diffusion : 1993-06-15 - 4. Évaluation des taux d’erreur dans de grandes études par couplage d’enregistrements informatisé ArchivéArticles et rapports : 12-001-X199300114479Description :
Les études épidémiologiques qui visent à étudier le rapport entre les risques environnementaux et l’état de santé comptent beaucoup sur l’appariement d’enregistrements de bases de données administratives différentes. Par des algorithmes complexes de couplage d’enregistrements appliqués à de grandes bases de données, on peut évaluer la possibilité d’un appariement de deux enregistrements particuliers en se fondant sur la comparaison d’une ou de plusieurs variables d’identification dans ces enregistrements. Puisque les erreurs d’appariement sont inévitables, il faut pouvoir tenir compte de leur effet sur les inférences statistiques faites à partir des fichiers couplés. Cet article donne un aperçu de la méthodologie utilisée pour le couplage d’enregistrements et traite les questions statistiques qui se rattachent aux erreurs de couplage.
Date de diffusion : 1993-06-15 - 5. Diane Cohen parle de la nouvelle économie ArchivéArticles et rapports : 75-001-X199300234Géographie : CanadaDescription :
Cette entrevue discute de la transformation de l'économie industrielle du Canada en une économie d'information.
Date de diffusion : 1993-06-08
Stats en bref (0)
Stats en bref (0) (0 résultat)
Aucun contenu disponible actuellement
Articles et rapports (5)
Articles et rapports (5) ((5 résultats))
- 1. Échantillonnage dans des bases imparfaites contenant un nombre inconnu d’enregistrements répétés ArchivéArticles et rapports : 12-001-X199300214454Description :
Dans cette étude, nous nous intéressons à des bases de sondage imparfaites desquelles on n’a retiré aucune unité de population mais dans lesquelles un nombre indéterminé d’unités peuvent avoir été ajoutées un nombre indéterminé de fois sous des identités différentes. Lorsqu’on ne pose pas l’hypothèse de l’existence d’information supplémentaire concernant des unités de la base imparfaite, il est établi qu’en ce qui a trait à l’estimation d’un ratio ou d’une moyenne de population, l’erreur quadratique moyenne des estimateurs fondés sur la base imparfaite est inférieure à celle des estimateurs fondés sur la base parfaite pour l’échantillonnage aléatoire simple, lorsque les fractions de sondage des deux bases sont les mêmes. Cependant, cette relation n’est pas toujours vraie en ce qui concerne l’estimation d’un total de population. Il peut aussi arriver que l’estimateur d’un ratio, d’une moyenne ou d’un total ait une erreur quadratique moyenne moins élevée même si la fraction de sondage est plus faible dans la base imparfaite que celle utiliser dans la base parfaite.
Date de diffusion : 1993-12-15 - Articles et rapports : 12-001-X199300214460Description :
Les méthodes qui servent à estimer le biais de réponse dans les enquêtes requièrent des mesures répétées « non biaisées » pour à tout le moins un sous-échantillon d’observations. L’estimateur habituel du biais de réponse est la différence entre la moyenne des observations originales et la moyenne des observations non biaisées. Dans cet article, nous étudions divers estimateurs du biais de réponse tirés de la prédiction modéliste. Nous supposons comme plan de sondage un échantillonnage à deux phases stratifié, avec échantillonnage aléatoire simple dans chaque phase. Nous supposons que la caractéristique y est observée pour chaque unité échantillonnée dans la phase 1, tandis que la valeur vraie de la caractéristique, \mu, est observée pour chaque unité du sous-échantillon prélevée dans la phase 2. Nous supposons en outre qu’une variable auxiliaire x est connue pour chaque unité de l’échantillon de la phase 1 et que le chiffre de population de x est connu. On suppose un certain nombre de modèles qui mettent en relation y, \mu et x; de ces modèles découlent divers estimateurs de E (y - \mu), le biais de réponse. Les estimateurs sont calculés à l’aide d’une méthode d’auto-amorçage destinée à l’estimation de la variance, du biais et de l’erreur quadratique moyenne. La méthode que nous utilisons est en fait la méthode de Bickel-Freedman à une phase, étendue à un plan à deux phases stratifié. À des fins d’illustration, nous appliquons la méthode étudiée à des données du programme de réinterview du National Agricultural Statistics Service. Nous montrons par ces données que l’estimateur fondé sur un modèle de Särndal, Swensson et Wretman (1991) est supérieur à l’estimateur de différence habituel, ce qui prouve qu’il est possible d’améliorer les estimateurs classiques au moyen de la prédiction modéliste.
Date de diffusion : 1993-12-15 - Articles et rapports : 12-001-X199300114478Description :
Le couplage d’enregistrements désigne une technique algorithmique qui sert à identifier des paires d’enregistrements ayant trait au même individu dans des fichiers distincts. Dans cet article, nous étudions un modèle destiné à évaluer les sources de variation dans le couplage d’enregistrements en comparant ce procédé à une « boîte noire » qui reçoit des données d’entrée et restitue un produit (un ensemble de concordances désignées, c.-à-d. de paires dont les éléments représentent la même entité) qui a certaines caractéristiques. Nous illustrons nos propos au moyen d’une expérience factorielle dans laquelle nous nous servons de données du recensement et d’enquêtes postcensitaires afin d’évaluer l’influence de divers facteurs qui sont réputés pour réduire la fiabilité du procédé. Avec ce cadre expérimental, l’évaluation du couplage d’enregistrements devient un problème statistique comme les autres. L’étude permet de répondre à plusieurs questions de recherche et nous prétendons qu’il est essentiel de recourir à des méthodes expérimentales comme celle proposée ici si l’on veut mieux comprendre les sources d’erreur qui interviennent dans les techniques de couplage d’enregistrements.
Date de diffusion : 1993-06-15 - 4. Évaluation des taux d’erreur dans de grandes études par couplage d’enregistrements informatisé ArchivéArticles et rapports : 12-001-X199300114479Description :
Les études épidémiologiques qui visent à étudier le rapport entre les risques environnementaux et l’état de santé comptent beaucoup sur l’appariement d’enregistrements de bases de données administratives différentes. Par des algorithmes complexes de couplage d’enregistrements appliqués à de grandes bases de données, on peut évaluer la possibilité d’un appariement de deux enregistrements particuliers en se fondant sur la comparaison d’une ou de plusieurs variables d’identification dans ces enregistrements. Puisque les erreurs d’appariement sont inévitables, il faut pouvoir tenir compte de leur effet sur les inférences statistiques faites à partir des fichiers couplés. Cet article donne un aperçu de la méthodologie utilisée pour le couplage d’enregistrements et traite les questions statistiques qui se rattachent aux erreurs de couplage.
Date de diffusion : 1993-06-15 - 5. Diane Cohen parle de la nouvelle économie ArchivéArticles et rapports : 75-001-X199300234Géographie : CanadaDescription :
Cette entrevue discute de la transformation de l'économie industrielle du Canada en une économie d'information.
Date de diffusion : 1993-06-08
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :