en fr Bootstrap methods for finite population Méthodes de Bootstrap en population finie Report as inadecuate




en fr Bootstrap methods for finite population Méthodes de Bootstrap en population finie - Download this document for free, or read online. Document in PDF available to download.

1 CREST - Centre de Recherche en Économie et Statistique

Abstract : This Phd deals with Bootstrap methods for finite population sampling. The first chapter introduces some bases about sampling and gives an overview of the main variance estimation techniques. A remind on Bootstrap methods for simple random sampling is given in chapter 2, and two new methods are introduced. A Bootstrap algorithm for unequal probability sampling is proposed in chapter 3, and shown to be consistent for variance estimation of plug-in statistics in case of large entropy sampling designs. Balanced sampling is presented in chapter 4, and a fast algorithm is proposed. Former Bootstrap algorithm is shown to be consistent as well in case of variance estimation for a maximum entropy balanced sampling design. Cases of complex sampling designs or reweighting strategies are discussed in chapter 5. An application to the French Renovated Census is given in chapter 6

Résumé : Cette thèse est consacrée aux méthodes de Bootstrap pour unepopulation ?nie. Le premier chapitre introduit quelques rappels sur l-échantillonnage et propose une présentation synthétique des principales méthodes d-estimation de précision. Le chapitre 2 rappelle les méthodes de Bootstrap proposées pour un sondage aléatoire simple et introduit deux nouvelles mé thodes. Le chapitre 3 donne un nouvel algorithme de Bootstrap, consistant pour l-estimation de variance d-un estimateur par substitution dans le cas d-un tirage à forte entropie. Dans le chapitre 4, nous introduisons la notion d-échantillonnage équilibré et proposons un algorithme rapide. Nous montrons que l-algorithme de Bootstrap proposé est également consistant pour l-estimation de variance d-un tirage équilibré à entropie maximale. Le cas d-un échantillonnage complexe et celui d-un redressement est traité au chapitre 5. Une application au Nouveau Recensement de la population est donnée dans le chapitre 6.

en fr

Keywords : variance estimation linearization influence function balanced sampling Cube algorithm maximum entropy

Mots-clés : estimation de variance linéarisation Bootstrap fonction d-influence échantillonnage équilibré algorithme du Cube entropie maximale





Author: Guillaume Chauvet -

Source: https://hal.archives-ouvertes.fr/



DOWNLOAD PDF




Related documents