[Statlist] lien séminaire 28.04.2022

MATEI Alina Gabriela A||n@@M@te| @end|ng |rom un|ne@ch
Mon Apr 25 09:11:59 CEST 2022


Ch�res et chers coll�gues,

Nous avons le plaisir de vous inviter au prochain s�minaire de recherche organis� par l�Institut de statistique, Universit� de Neuch�tel (en pr�sentiel et en ligne):


Jeudi, le 28 avril 2022, � 11h00
Salle B31 (rez-de-chauss�e ouest), b�timent G, Facult� des sciences,
Av. de Bellevaux 51, 2000 Neuch�tel

Aussi en ligne:
Lien: https://unine.webex.com/unine/j.php?MTID=mebfdb13df7999693e7c72c669e5aa420
Mot de passe : imputation


Mehdi Dagdoug
Universit� de Bourgogne Franche-Comt�, Besan�on, France


Titre: Imputation par arbres de r�gression et for�ts al�atoires en th�orie des sondages

R�sum�: Dans les enqu�tes par sondage, il est fr�quent que certains �l�ments s�lectionn�s dans l��chantillon refusent de r�pondre. Dans de tels sc�narios, il est courant d�avoir recours � l�imputation pour r�duire les cons�quences de la nonr�ponse. Dans ce travail, nous proposons une analyse math�matique des estimateurs imput�s lorsque les valeurs imput�es proviennent d�arbres de r�gression ou de for�ts al�atoires. Nous commen�ons cette analyse en consid�rant une large classe d�arbres de r�gression, incluant notamment la m�thode des scores, m�thode fr�quemment utilis�e en th�orie des sondages.
Nous �tendons ensuite cette �tude aux for�ts al�atoires ; nous montrons notamment que les estimateurs construits � partir de for�ts al�atoires ayant beaucoup d�arbres sont plus stables et efficaces que ceux construits sur des for�ts n�ayant que peu d�arbres. La consistance $L^2$ est �tablie pour les estimateurs imput�s bas�s sur des arbres de r�gression et sur des for�ts al�atoires. Nous pr�senterons de plus les r�sultats d�une �tude par simulation permettant d�observer le bon comportement des estimateurs �tudi�s.


	[[alternative HTML version deleted]]



More information about the Statlist mailing list