Filtrer les résultats par

Search Help
Currently selected filters that can be removed

Mot(s)-clé(s)

Année de publication

1 facets displayed. 0 facets selected.

Auteur(s)

2 facets displayed. 1 facets selected.

Contenu

1 facets displayed. 0 facets selected.
Aide à l'ordre
entrées

Résultats

Tout (1)

Tout (1) ((1 result))

  • Articles et rapports : 12-001-X202400200014
    Description : Des plans d’échantillonnage en grappes adaptatif ont été proposés comme méthode d’échantillonnage de populations rares dont les unités tendent à apparaître en grappes. L’estimateur résultant n’est basé sur aucune hypothèse de modèle et il est sans biais par rapport au plan. Sa variance peut être plus petite que celle de l’estimateur classique qui ne tient pas compte du fait que l’on a affaire à une population rare. Dans le présent article, nous démontrerons que, lorsque l’échantillonnage en grappes adaptatif est approprié, son estimateur ne tient pas compte de tous les renseignements disponibles dans le plan. Nous présentons une approche quasi bayésienne qui intègre les informations qui sont présentement ignorées. Nous verrons que l’estimateur résultant constitue une amélioration significative par rapport aux méthodes actuelles.
    Date de diffusion : 2024-12-20
Articles et rapports (1)

Articles et rapports (1) ((1 result))

  • Articles et rapports : 12-001-X202400200014
    Description : Des plans d’échantillonnage en grappes adaptatif ont été proposés comme méthode d’échantillonnage de populations rares dont les unités tendent à apparaître en grappes. L’estimateur résultant n’est basé sur aucune hypothèse de modèle et il est sans biais par rapport au plan. Sa variance peut être plus petite que celle de l’estimateur classique qui ne tient pas compte du fait que l’on a affaire à une population rare. Dans le présent article, nous démontrerons que, lorsque l’échantillonnage en grappes adaptatif est approprié, son estimateur ne tient pas compte de tous les renseignements disponibles dans le plan. Nous présentons une approche quasi bayésienne qui intègre les informations qui sont présentement ignorées. Nous verrons que l’estimateur résultant constitue une amélioration significative par rapport aux méthodes actuelles.
    Date de diffusion : 2024-12-20