Filtrer les résultats par
Aide à la rechercheMot(s)-clé(s)
Auteur(s)
Résultats
Tout (1)
Tout (1) ((1 résultat))
- Articles et rapports : 12-001-X199500214399Description :
Nous examinons l’utilité de la moyenne winsorisée comme estimateur de la moyenne d’une distribution à asymétrie positive. On obtient la moyenne winsorisée en remplaçant toutes les observations supérieures à une valeur limite donnée R par cette même valeur R, avant le calcul de la moyenne. La valeur limite optimale, telle qu’elle est définie par Searls (1966), minimise l’erreur quadratique moyenne (mean square error, ou MSE) de l’estimateur winsorisé. Nous proposons des méthodes d’évaluation de cette valeur limite optimale avec divers plans d’échantillonnage, y compris l’échantillonnage aléatoire simple, l’échantillonnage stratifié et l’échantillonnage avec probabilité proportionnelle à la taille (ppt). Pour la plupart des distributions asymétriques, la stratégie de winsorisation optimale aura généralement pour effet de modifier la valeur d’environ une observation dans l’échantillon. On dérive des approximations directes (qui ne fait pas appel à un processus itératif) de l’efficacité de la moyenne winsorisée de Searls en utilisant la théorie des statistiques d’ordre extrême. Une expérience de Monte Carlo nous sert à comparer divers estimateurs réduisant l’impact des valeurs extrêmes.
Date de diffusion : 1995-12-15
Stats en bref (0)
Stats en bref (0) (0 résultat)
Aucun contenu disponible actuellement
Articles et rapports (1)
Articles et rapports (1) ((1 résultat))
- Articles et rapports : 12-001-X199500214399Description :
Nous examinons l’utilité de la moyenne winsorisée comme estimateur de la moyenne d’une distribution à asymétrie positive. On obtient la moyenne winsorisée en remplaçant toutes les observations supérieures à une valeur limite donnée R par cette même valeur R, avant le calcul de la moyenne. La valeur limite optimale, telle qu’elle est définie par Searls (1966), minimise l’erreur quadratique moyenne (mean square error, ou MSE) de l’estimateur winsorisé. Nous proposons des méthodes d’évaluation de cette valeur limite optimale avec divers plans d’échantillonnage, y compris l’échantillonnage aléatoire simple, l’échantillonnage stratifié et l’échantillonnage avec probabilité proportionnelle à la taille (ppt). Pour la plupart des distributions asymétriques, la stratégie de winsorisation optimale aura généralement pour effet de modifier la valeur d’environ une observation dans l’échantillon. On dérive des approximations directes (qui ne fait pas appel à un processus itératif) de l’efficacité de la moyenne winsorisée de Searls en utilisant la théorie des statistiques d’ordre extrême. Une expérience de Monte Carlo nous sert à comparer divers estimateurs réduisant l’impact des valeurs extrêmes.
Date de diffusion : 1995-12-15
Revues et périodiques (0)
Revues et périodiques (0) (0 résultat)
Aucun contenu disponible actuellement
- Date de modification :