[Statlist] lien séminaire 28.04.2022

[MATEI Alina Gabriela]

Chères et chers collègues,

Nous avons le plaisir de vous inviter au prochain séminaire de recherche organisé par l’Institut de statistique, Université de Neuchâtel (en présentiel et en ligne):


Jeudi, le 28 avril 2022, à 11h00
Salle B31 (rez-de-chaussée ouest), bâtiment G, Faculté des sciences,
Av. de Bellevaux 51, 2000 Neuchâtel

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


Mehdi Dagdoug
Université de Bourgogne Franche-Comté, Besançon, France


Titre: Imputation par arbres de régression et forêts aléatoires en théorie des sondages

Résumé: Dans les enquêtes par sondage, il est fréquent que certains éléments sélectionnés dans l’échantillon refusent de répondre. Dans de tels scénarios, il est courant d’avoir recours à l’imputation pour réduire les conséquences de la nonréponse. Dans ce travail, nous proposons une analyse mathématique des estimateurs imputés lorsque les valeurs imputées proviennent d’arbres de régression ou de forêts aléatoires. Nous commençons cette analyse en considérant une large classe d’arbres de régression, incluant notamment la méthode des scores, méthode fréquemment utilisée en théorie des sondages.
Nous étendons ensuite cette étude aux forêts aléatoires ; nous montrons notamment que les estimateurs construits à partir de forêts aléatoires ayant beaucoup d’arbres sont plus stables et efficaces que ceux construits sur des forêts n’ayant que peu d’arbres. La consistance $L^2$ est établie pour les estimateurs imputés basés sur des arbres de régression et sur des forêts aléatoires. Nous présenterons de plus les résultats d’une étude par simulation permettant d’observer le bon comportement des estimateurs étudiés.


	[[alternative HTML version deleted]]