Analyses

Aller au contenu principal
Aller au pied de page

Sélection de la langue

English

Recherche et menus

Recherche et menus

Rechercher

Passer au filtres. Voir les résultats.

Quoi de neuf sur notre site

Centre de confiance de Statistique Canada

Résultats

Tout (2)

Tout (2) ((2 résultats))

1. Utilisation de la loi t pour traiter les valeurs aberrantes dans l'estimation pour de petits domaines Archivé
Articles et rapports : 11-522-X200600110391
Description :
L'estimation sur petits domaines au moyen de modèles linéaires au niveau du domaine repose habituellement sur l'hypothèse de normalité des effets aléatoires au niveau du domaine (erreurs de modélisation) et des erreurs de sondage dans les estimations directes par sondage. Les observations aberrantes peuvent poser un problème et être dues à des valeurs aberrantes des erreurs de modélisation ou des erreurs de sondage, deux possibilités dont les incidences sont fort différentes. Nous considérons ici les deux possibilités et étudions empiriquement comment l'utilisation d'une approche bayésienne reposant sur l'hypothèse que l'une des composantes de l'erreur suit une loi t permet de traiter les valeurs aberrantes éventuelles. Les exemples empiriques reposent sur des modèles des rapports de pauvreté dans les États américains utilisés par le Small Area Income and Poverty Estimates program du U.S. Census Bureau, en étendant les modèles gaussiens habituels afin de supposer que l'erreur de modélisation ou l'erreur de sondage suit une loi t. Nous examinons comment les résultats sont influencés par la variation du nombre de degrés de liberté (supposé connu) de la loi t. Nous constatons que l'utilisation d'une loi t à faible nombre de degrés de liberté peut réduire les effets des valeurs aberrantes, mais dans les exemples discutés, les résultats ne vont pas jusqu'à s'approcher du rejet catégorique des observations.
Date de diffusion : 2008-03-17
2. Méthode hiérarchique de Bayes et méthode empirique de Bayes pour le redressement du sous-dénombrement : données de la « répétition générale » du recensement, effectuée en 1988 au Missouri Archivé
Articles et rapports : 12-001-X199200114497
Description :
Le présent article analyse une approche basée sur un modèle pour le redressement des données de la répétition générale du recensement de 1990, effectuée en 1988. Ces données ont été recueillies dans des régions d’essai au Missouri. L’objectif premier est d’élaborer des méthodes qui peuvent être utilisées pour modéliser les données de l’Enquête post-censitaire d’avril 1991, qui a fait suite au recensement de 1990, et pour lisser les estimations des facteurs de redressement tirés de l’enquête. Nous proposons dans le présent article une méthode hiérarchique de Bayes (HB) et une méthode empirique de Bayes (EB) qui satisfont à cet objectif. Les estimateurs qui résultent de ces deux méthodes semblent permettre d’améliorer de façon constante les estimations basées sur un système de double collecte et les estimateurs de régression lissés.
Date de diffusion : 1992-06-15

Stats en bref (0)

Stats en bref (0) (0 résultat)

Aucun contenu disponible actuellement

Articles et rapports (2)

Articles et rapports (2) ((2 résultats))

1. Utilisation de la loi t pour traiter les valeurs aberrantes dans l'estimation pour de petits domaines Archivé
Articles et rapports : 11-522-X200600110391
Description :
L'estimation sur petits domaines au moyen de modèles linéaires au niveau du domaine repose habituellement sur l'hypothèse de normalité des effets aléatoires au niveau du domaine (erreurs de modélisation) et des erreurs de sondage dans les estimations directes par sondage. Les observations aberrantes peuvent poser un problème et être dues à des valeurs aberrantes des erreurs de modélisation ou des erreurs de sondage, deux possibilités dont les incidences sont fort différentes. Nous considérons ici les deux possibilités et étudions empiriquement comment l'utilisation d'une approche bayésienne reposant sur l'hypothèse que l'une des composantes de l'erreur suit une loi t permet de traiter les valeurs aberrantes éventuelles. Les exemples empiriques reposent sur des modèles des rapports de pauvreté dans les États américains utilisés par le Small Area Income and Poverty Estimates program du U.S. Census Bureau, en étendant les modèles gaussiens habituels afin de supposer que l'erreur de modélisation ou l'erreur de sondage suit une loi t. Nous examinons comment les résultats sont influencés par la variation du nombre de degrés de liberté (supposé connu) de la loi t. Nous constatons que l'utilisation d'une loi t à faible nombre de degrés de liberté peut réduire les effets des valeurs aberrantes, mais dans les exemples discutés, les résultats ne vont pas jusqu'à s'approcher du rejet catégorique des observations.
Date de diffusion : 2008-03-17
2. Méthode hiérarchique de Bayes et méthode empirique de Bayes pour le redressement du sous-dénombrement : données de la « répétition générale » du recensement, effectuée en 1988 au Missouri Archivé
Articles et rapports : 12-001-X199200114497
Description :
Le présent article analyse une approche basée sur un modèle pour le redressement des données de la répétition générale du recensement de 1990, effectuée en 1988. Ces données ont été recueillies dans des régions d’essai au Missouri. L’objectif premier est d’élaborer des méthodes qui peuvent être utilisées pour modéliser les données de l’Enquête post-censitaire d’avril 1991, qui a fait suite au recensement de 1990, et pour lisser les estimations des facteurs de redressement tirés de l’enquête. Nous proposons dans le présent article une méthode hiérarchique de Bayes (HB) et une méthode empirique de Bayes (EB) qui satisfont à cet objectif. Les estimateurs qui résultent de ces deux méthodes semblent permettre d’améliorer de façon constante les estimations basées sur un système de double collecte et les estimateurs de régression lissés.
Date de diffusion : 1992-06-15

Revues et périodiques (0)

Revues et périodiques (0) (0 résultat)

Aucun contenu disponible actuellement

Signaler un problème ou une erreur sur cette page

Date de modification :: 2024-06-08

Comment utiliser les filtres et le champ de recherche

Vous pouvez faire une recherche en inscrivant des mots-clés ou en sélectionnant des filtres (p. ex. sous Sujet, Géographie, etc.) du côté gauche de la page.
On peut utiliser les filtres ensemble ou former diverses combinaisons. À chaque sélection de filtre, la page des résultats est mise à jour.
Pour commencer une nouvelle recherche, cliquez sur le bouton Effacer tout au-dessus du champ de recherche ou décochez tous les filtres.
Les mots-clés et les filtres précisés sont affichés au-dessus du champ de recherche. Vous pouvez désélectionner l’un ou l’autre des éléments ou tous les éléments, pour préciser ou effacer votre recherche.

Comment préciser ma recherche

Vous pouvez entrer des mots-clés dans le champ de recherche. Il n’est pas nécessaire d’utiliser « + » ou « , » ou « ET ».
Vous pouvez supprimer certains mots-clés ou tous les mots-clés de votre chaîne de recherche.
Les mots-clés entre guillemets limitent la recherche à l’expression précise.
- Par exemple, si vous cherchez « Enquête sur la population active », vous obtiendrez seulement des documents contenant cette suite de mots.
Utilisez « ou » entre les mots-clés pour obtenir des résultats qui contiennent au moins l’un des termes recherchés.
- Par exemple, si vous cherchez enquête ou population ou active, vous obtiendrez seulement les documents contenant l’un ou l’autre de ces mots, ou tous ces mots.

Comment fonctionne la recherche

Cette forme de recherche fournira les résultats contenant le(s) mot(s) inscrit(s) dans le titre, la description, le sujet, la géographie, le numéro de produit ou toute autre information au sujet du produit.
- Par exemple, lorsque vous cherchez le mot « maladies », tous les résultats obtenus contiendront ce mot dans le titre, la description, ou le sujet.
La recherche ne se fait pas dans le texte des articles ou des publications. Pour faire une recherche plein texte dans les articles, utilisez la fonction de recherche du site.