Estimation robuste en population finie
Thèse ou mémoire / Thesis or Dissertation
Date de publication
Autrices et auteurs
Identifiant ORCID de l’auteur
Contributrices et contributeurs
Direction de recherche
Publié dans
Date de la Conférence
Lieu de la Conférence
Éditeur
Cycle d'études
Maîtrise / Master's
Programme
Affiliation
Mots-clés
- biais conditionnel
- unité influente
- estimation robuste
- seuil de robustesse
- conditional bias
- influential unit
- robust estimation
- tuning constant
Organisme subventionnaire
Résumé
Résumé
Une unité est considérée comme influente lorsque son inclusion ou son exclusion de l'échantillon a un effet important sur l'erreur due à l'échantillonnage. La présence d'unités influentes dans un échantillon rend les estimateurs classiques instables. Beaumont et al. (2013) ont montré que le biais conditionnel est un bon outil qui permet de mesurer l'influence d'une unité. Ils ont développé un estimateur robuste basé sur le biais conditionnel. Cet estimateur dépend d'une constante appelée "seuil de robustesse" déterminée de manière à minimiser le plus grand biais conditionnel estimé de l'estimateur robuste. Le but de ce travail est d'étudier d'autres critères permettant d'obtenir des estimateurs robustes ayant de bonnes propriétés en termes d'erreur quadratique moyenne.
A unit is considered influential when its inclusion or exclusion from the sample has a significant effect on the sampling error. The presence of influential units in a sample makes classical estimators unstable. Beaumont et al. (2013) have shown that conditional bias is a good tool for measuring the influence of a unit. They developed a robust estimator based on conditional bias. The proposed estimator depends on a constant, called tuning constant, which is determined by minimizing the largest conditional bias of the robust estimator. The purpose of this work is to study other criteria for obtaining robust estimators with good properties in terms of mean square error.
A unit is considered influential when its inclusion or exclusion from the sample has a significant effect on the sampling error. The presence of influential units in a sample makes classical estimators unstable. Beaumont et al. (2013) have shown that conditional bias is a good tool for measuring the influence of a unit. They developed a robust estimator based on conditional bias. The proposed estimator depends on a constant, called tuning constant, which is determined by minimizing the largest conditional bias of the robust estimator. The purpose of this work is to study other criteria for obtaining robust estimators with good properties in terms of mean square error.
Table des matières
Notes
Notes
Autre version linguistique
Ensemble de données lié
Licence
Approbation
Évaluation
Complété par
Référencé par
Ce document diffusé sur Papyrus est la propriété exclusive des titulaires des droits d'auteur et est protégé par la Loi sur le droit d'auteur (L.R.C. (1985), ch. C-42). Sauf si le document est diffusé sous une licence Creative Commons, il ne peut être utilisé que dans le cadre d'une utilisation équitable et non commerciale comme le prévoit la Loi (i.e. à des fins d'étude privée ou de recherche, de critique ou de compte-rendu). Pour toute autre utilisation, une autorisation écrite des titulaires des droits d'auteur sera nécessaire.