[Statlist] séminaire 15.12.2022

MATEI Alina Gabriela A||n@@M@te| @end|ng |rom un|ne@ch
Thu Dec 1 11:01:57 CET 2022


L'Institut de statistique, Université de Neuchâtel et le groupe Enquêtes, Modèles et Applications de la SFdS (Société Française de Statistique) organisent le jeudi 15 décembre 2022 à 14h00 (CET) le séminaire en ligne : "Estimation assisté par modèle dans un cadre à grande dimension pour des données d'enquête" par Camelia Goga.

L'événement est gratuit et ouvert à tous et toutes. Vous pouvez rejoindre le séminaire en utilisant le lien suivant : 

https://unine.webex.com/unine/j.php?MTID=m86fb4f8bb9fd02606f48ab5faf735288

ou en utilisant directement les identifiants suivants sur Webex : 
Webinar number (access code): 2741 625 9259 
Webinar password: EUcAjFHr424


Jeudi 15 décembre 2022 à 14h00 (CET)

Invitée : Camelia Goga (Université de Bourgogne Franche-Comté, France)

Titre : Estimation assisté par modèle dans un cadre à grande dimension pour des données d'enquête

Résumé : Dans les enquêtes par sondage, les estimateurs basés sur un modèle sont couramment utilisés pour obtenir des estimateurs efficaces pour des paramètres d'intérêt comme les totaux ou les moyennes. De nos jours, il n'est plus rare d'être confronté à un très grand nombre de variables auxiliaires et les estimateurs assistés par un modèle peuvent être moins efficaces dans ces conditions. Dans cet exposé, je discuterai de l'efficacité asymptotique des estimateurs assistés par un modèle en présence d'un très grand nombre de variables auxiliaires et je montrerai qu'ils peuvent souffrir d'une variabilité supplémentaire dans certaines conditions. Je présenterai également deux techniques pour améliorer l'efficacité de l'estimateur assisté par un modèle dans un contexte de grande dimension: la première est basée sur la réduction de dimension par composantes principales et la deuxième est basée sur la pénalisation de type ridge. La méthodologie est illustrée sur des données réelles de consommation d'électricité de ménages et d'entreprises irlandaises.

Biographie : Camelia Goga est professeur en statistique à l'Université de Franche-Comté. Ses thématiques de recherche portent sur la théorie des sondages, en particulier l'estimation en grande dimension pour des données de type enquête par des méthodes de statistique fonctionnelle, non-paramétrique.

Co-auteurs : La présentation est une synthèse des résultats de plusieurs travaux: "Calibration and Partial Calibration on Principal Components when the number of auxiliary variables is large" (avec Hervé Cardot et Muhammad Ahmed Shehzad); "Asymptotic efficiency of the calibration estimator in a high-dimensional setting" (avec Guillaume Chauvet); "Model-assisted estimation in a high-dimensional settings for survey data" (avec Mehdi Dagdoug et David Haziza).



More information about the Statlist mailing list