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. L'algorithme BACON-EEM pour la détection d'observations aberrantes multivariées dans des données d'enquête incomplètes Archivé
Articles et rapports : 12-001-X200800110616
Description :
Dans le cas de données multivariées complètes, l'algorithme BACON (Billor, Hadi et Vellemann 2000) donne une estimation robuste de la matrice de covariance. La distance de Mahalanobis correspondante peut être utilisée pour la détection des observations aberrantes multivariées. Quand des items manquent, l'algorithme EM est un moyen commode d'estimer la matrice de covariance à chaque étape d'itération de l'algorithme BACON. Dans l'échantillonnage en population finie, l'algorithme EM doit être amélioré pour estimer la matrice de covariance de la population plutôt que de l'échantillon. Une version de l'algorithme EM pour données d'enquête suivant un modèle normal multivarié, appelée algorithme EEM (espérance estimée/maximisation), est proposée. La combinaison des deux algorithmes, dénommée algorithme BACON EEM, est appliquée à deux ensembles de données et comparée à d'autres méthodes.
Date de diffusion : 2008-06-26
2. Estimateurs Horvitz-Thompson à l’épreuve des valeurs aberrantes Archivé
Articles et rapports : 12-001-X199500114407
Description :
L’estimateur Horvitz-Thompson (estimateur HT) résiste mal aux valeurs aberrantes. La présence de valeurs aberrantes dans une population peut accroître sa variance, même si elle demeure non biaisée. Nous exprimons l’estimateur HT sous forme d’une fonctionnelle de moindres carrés afin d’en accroître la robustesse par l’intermédiaire d’estimateurs M. Nous dérivons une variance approximative de l’estimateur HT à robustesse accrue en utilisant un type de fonction d’influence pour l’échantillonnage, et nous élaborons un estimateur de cette variance. Une méthode adaptée de sélection d’un estimateur M conduit à des estimateurs à risque estimé minimum. Ces estimateurs et les estimateurs HT à robustesse accrue sont souvent plus efficaces que les estimateurs HT classiques, lorsque nous sommes en présence de valeurs aberrantes.
Date de diffusion : 1995-06-15

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. L'algorithme BACON-EEM pour la détection d'observations aberrantes multivariées dans des données d'enquête incomplètes Archivé
Articles et rapports : 12-001-X200800110616
Description :
Dans le cas de données multivariées complètes, l'algorithme BACON (Billor, Hadi et Vellemann 2000) donne une estimation robuste de la matrice de covariance. La distance de Mahalanobis correspondante peut être utilisée pour la détection des observations aberrantes multivariées. Quand des items manquent, l'algorithme EM est un moyen commode d'estimer la matrice de covariance à chaque étape d'itération de l'algorithme BACON. Dans l'échantillonnage en population finie, l'algorithme EM doit être amélioré pour estimer la matrice de covariance de la population plutôt que de l'échantillon. Une version de l'algorithme EM pour données d'enquête suivant un modèle normal multivarié, appelée algorithme EEM (espérance estimée/maximisation), est proposée. La combinaison des deux algorithmes, dénommée algorithme BACON EEM, est appliquée à deux ensembles de données et comparée à d'autres méthodes.
Date de diffusion : 2008-06-26
2. Estimateurs Horvitz-Thompson à l’épreuve des valeurs aberrantes Archivé
Articles et rapports : 12-001-X199500114407
Description :
L’estimateur Horvitz-Thompson (estimateur HT) résiste mal aux valeurs aberrantes. La présence de valeurs aberrantes dans une population peut accroître sa variance, même si elle demeure non biaisée. Nous exprimons l’estimateur HT sous forme d’une fonctionnelle de moindres carrés afin d’en accroître la robustesse par l’intermédiaire d’estimateurs M. Nous dérivons une variance approximative de l’estimateur HT à robustesse accrue en utilisant un type de fonction d’influence pour l’échantillonnage, et nous élaborons un estimateur de cette variance. Une méthode adaptée de sélection d’un estimateur M conduit à des estimateurs à risque estimé minimum. Ces estimateurs et les estimateurs HT à robustesse accrue sont souvent plus efficaces que les estimateurs HT classiques, lorsque nous sommes en présence de valeurs aberrantes.
Date de diffusion : 1995-06-15

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.