Analyses
Résultats
Tout (1)
Tout (1) ((1 result))
- Articles et rapports : 12-001-X202500200011Description : On propose une approche hiérarchique bayésienne approximative pour laquelle on utilise la famille exponentielle naturelle avec fonction de variance quadratique en combinant de l’information tirée de multiples sources, afin d’améliorer les estimations de moyennes de population finie pour de petits domaines dans le cadre d’enquêtes traditionnelles. Contrairement aux autres approches bayésiennes relatives à l’échantillonnage d’une population finie, on ne suppose pas de modèle pour toutes les unités de la population finie et l’on n’a pas besoin de procéder au couplage d’unités échantillonnées à la base de population finie. On suppose un modèle uniquement pour les unités d’une population finie pour lesquelles on observe la variable dépendante, car, dans le cas de ces unités, le modèle supposé peut être vérifié à l’aide des outils statistiques existants. On ne suggère pas de modèle élaboré selon les moyennes réelles des unités non observées. On suppose plutôt que les moyennes de population des cellules ayant la même combinaison de niveaux de facteur sont identiques pour tous les petits domaines et que la moyenne de population d’une cellule est identique à la moyenne des unités observées dans cette cellule. On met en application la méthodologie que l’on propose pour une enquête réelle couplant des renseignements tirés de multiples sources de données disparates. On fournit également des moyens pratiques de sélectionner un modèle pouvant s’appliquer à un ensemble élargi de modèles dans le même contexte, mais pour un éventail diversifié de problèmes scientifiques.Date de diffusion : 2025-12-23
Articles et rapports (1)
Articles et rapports (1) ((1 result))
- Articles et rapports : 12-001-X202500200011Description : On propose une approche hiérarchique bayésienne approximative pour laquelle on utilise la famille exponentielle naturelle avec fonction de variance quadratique en combinant de l’information tirée de multiples sources, afin d’améliorer les estimations de moyennes de population finie pour de petits domaines dans le cadre d’enquêtes traditionnelles. Contrairement aux autres approches bayésiennes relatives à l’échantillonnage d’une population finie, on ne suppose pas de modèle pour toutes les unités de la population finie et l’on n’a pas besoin de procéder au couplage d’unités échantillonnées à la base de population finie. On suppose un modèle uniquement pour les unités d’une population finie pour lesquelles on observe la variable dépendante, car, dans le cas de ces unités, le modèle supposé peut être vérifié à l’aide des outils statistiques existants. On ne suggère pas de modèle élaboré selon les moyennes réelles des unités non observées. On suppose plutôt que les moyennes de population des cellules ayant la même combinaison de niveaux de facteur sont identiques pour tous les petits domaines et que la moyenne de population d’une cellule est identique à la moyenne des unités observées dans cette cellule. On met en application la méthodologie que l’on propose pour une enquête réelle couplant des renseignements tirés de multiples sources de données disparates. On fournit également des moyens pratiques de sélectionner un modèle pouvant s’appliquer à un ensemble élargi de modèles dans le même contexte, mais pour un éventail diversifié de problèmes scientifiques.Date de diffusion : 2025-12-23