Estimation d'un paramètre

[john32]

Je suis d'accord sur un point avec toi en tt cas.
La précision d'un sondage ne dépend pas vraiment du taux de sondage mais plutôt du nombre de sondés et de la taille de la population cible (plus ces chiffres sont grands et plus on sera précis).

Cependant dans certains cas non seulement ma population cible est faible (environ 200) mais en plus ne disposant d'environ 30% (dc 60 individus) puis je vraiment espérer une bonne prédiction ?

[duduche19]

A mon avis, tu ne devrais utiliser qu'une ou deux variables auxiliaires.
Et pour chacune de ces variables, le nombre de classes ne devrait pas excéder 4.

Cordialement,

[john32]

Je me pose une question relative à un point que vous avez explicité dans un précédent post.

Mais ce n'est pas suffisant. Il faut également que vous ayez des observations d'un peu partout. Je m'explique :
- Si vous n'avez que quelques compagnies mais qui se ressemblent toutes (elles se retrouvent dans les mêmes classes des variables auxiliares), ce n'est pas bon non plus. Il faut que vous trouviez d'autres variables auxiliaires.
- Ce qui est primordiale, c'est que vous trouviez deux variables auxiliaires, que vous déterminiez des classes pertinentes et que dans chaque case vous ayez des observations. Alors là, oui, cela vaut le coup de faire un redressement.

Dans l'hypothèse où je ne dispose que d'informations "semblables" puis je trouver d'autres méthodes de correction pour améliorer la précision de mon estimation.
Je m'explique si par exemple je sais que d'un mois sur l'autre la variation n'a jamais dépassé un certain niveau et que mon estimation est bien supérieure à ce que l'on pourrait attendre je pourrais penser à la réduire pour obtenir un résultat semblant polus raisonnable.
Cette idée rentre t'elle dans le cadre d'un domainne mathématique quelconque ?

Etant parti dans cet optique je me demande également s'il pourrait y avoir un moyen de trouver le critère de correction optimum.

[duduche19]

Il s'agit des méthodes de correction de non réponses.

Un exemple pour un vol qui a lieu chaque mois mais pour lequel vous ne disposez pas de l'information au mois m.

Si d'un mois sur l'autre, vous êtes "sûr" qu'il n'y a pas de variation, vous pouvez utiliser le chiffre du mois précédent.

Vous pouvez également faire une moyenne des trois mois précédents.

[john32]

Ah alors la on en arrive à un point qui m'intéresse assez. Plutôt que de faire des moyennes sur les trois derniers mois pourquoi ne pas essayer de toruver un modèle AR(2) où l'on peut trouver les coefficients les plus adaptés à la description du modèle.
Ainsi on s'assure d'avoir "les meilleurs coeff" pour la moyenne en question.

[duduche19]

Pourquoi pas.

Mais attention. Un modèle plus compliqué ne veut pas dire que l'on trouve de meilleurs coefficients.

Un autre exemple est de prendre les données du mois m mais de l'année n-1.

[john32]

Pourquoi prendre le résultat de fiabilité de l'année précédente mais au même mois. Quelle intuition te fait dire ça ?

[duduche19]

Ce n'est pas une intuition.

En conjoncture économique, la comparaison du mois m de l'année n avec le mois m de l'année n-1 peut être très utile surtout si la variable étudiée s'avère cyclique.

Voyez l'exemple ci-dessous
http://www.mayenne.chambagri.fr/conjoncture_mai2008.pdf

[john32]

Ok ok c'est juste qu'effectivement il semble que la périodicité annuelle soit plus marqué que la dépendance entre 2 mois consécutifs dans mon projet et je ne me souvenais pas te l'avoir dit.

[john32]

Est ce que tu connais un peu la théorie des séries temporelles (modèles linéaires de préférence ? ) car j'aurais quelques questions.

[duduche19]

Mes souvenirs sont très loin. Il s'agit de quoi ?

[john32]

Tout ce qui est modélisation avec des processus AR ou MA surtout. Donc utilisation de corrélation entre les observations.

[duduche19]

Désolé je ne pourrais pas répondre. Je pars aujourd'hui en vacances. A bientôt en septembre.

[john32]

Argh bon c'est pas grave en tt cas merci pour l'aide que tu as pu apporter jusque la et si quelqu'un est calé sur les séries temporelles plutot que sur les sondages il (elle) est le bienvenu(e).