Inferencia Bootstrap bayesiana para una proporción en muestreo con probabilidades desiguales.

• Cristian Fernando Tellez Piñerez ^[1] ; Stalyn Yasid Guerrero ^[2] ; Mario Pacheco ^[2]
  1. [1] Fundación Universitaria Los Libertadores

     Fundación Universitaria Los Libertadores

     Colombia

     
  2. [2] Universidad de Córdoba (Colombia)

     Universidad de Córdoba (Colombia)

     Colombia

     
• Localización: Comunicaciones en Estadística, ISSN 2027-3355, ISSN-e 2339-3076, Vol. 7, Nº. 1, 2014, págs. 31-48
• Idioma: español
• DOI: 10.15332/s2027-3355.2014.0001.03
• Títulos paralelos:
  • Bootstrap Bayesian inference for a proportion in unequal probabilities sampling.
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    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

  • English

    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 bibliográficas
  • 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...
  • 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,...
  • 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.