Inferencia Bootstrap bayesiana para una proporción en muestreo con probabilidades desiguales
Bootstrap Bayesian inference for a proportion in unequal probabilities sampling
Resumen (es)
En este artículo se propone el método bootstrap bayesiano para realizar inferencias sobre una proporción ρ en una población finita a partir de una muestra conprobabilidades desiguales. Vía simulación Monte Carlo se determinó que a partirde una adecuada elección de la distribución a priori de ρ la metodología propuestaobtienen estimaciones menos sesgadas y de menor varianza e intervalos de confianza con niveles de confianza más altos y de menor longitud en comparación con el π-estimador clásico y el estimador BPSP propuesto por Chen (2010). Finalmentese ejemplifica la implementación de la metodología.Resumen (en)
This paper describe Bayesian bootstrap method, it is to realize inferences for finite population proportion ρ based on unequal probability sampling. Through Simulation we found that based on an appropriate a priori distribution to ρ with the proposed methodology it is possible to get estimate less-biased like that obtain by the clasic π-estimator. Also, we get less-variance and confidence intervals with highest confidence levels and it has fewer length when we compared it with the classic π-estimator and BPSP estimator that was proposed by Chen et al. (2010). Lastly, an example is performed using the development methodology.
Referencias
Box, G. E. P. & Tiao, G. C. (1973), Bayesian Inference in Statistical Analysis, Addison-Wesley, Reading, Massachusetts.
Chen, Q., Elliott, M. R. & Little, R. J. (2010), ‘Bayesian penalized spline modelbased inference for finite population proportion in unequal probability sampling’, Survey Methodology 36(1), 23–34.
Gambino, J. G. (2012), pps: Functions for PPS sampling. R package version 0.94. *http://cran.r-project.org/package=pps
Gutiérrez, H. A. (2012), TeachingSampling: Sampling designs and parameter estimation in finite population. R package version 2.0.1. *http://cran.r-project.org/package=TeachingSampling
Hollander, M. & Wolfe, D. A. (1999), Nonparametric Statistical Methods, Cambridge: University Press, Unite State of America.
Pfeffermann, D. & Royall, R. M. (1982), ‘Balanced samples and robust Bayesian inference in finite population sampling’, Biometrika 69, 401–409.
R Core Team (2013), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. *http://www.r-project.org
Särndal, C. E., Swensson, B. & Wretman, J. (1992), Model Assisted Survey Sampling, Springer - Verlag, New York.
Shao, J. & Tu, D. (1995), The jackknife and Bootstrap, Springer, New York.
Cómo citar
Licencia
Los autores mantienen los derechos sobre los artículos y por tanto son libres de compartir, copiar, distribuir, ejecutar y comunicar públicamente la obra bajo las condiciones siguientes:
Reconocer los créditos de la obra de la manera especificada por el autor o el licenciante (pero no de una manera que sugiera que tiene su apoyo o que apoyan el uso que hace de su obra).
Comunicaciones en Estadística está bajo una licencia Creative Commons Atribución-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)
