Dans la pratique, la plupart des statistiques de test ont une distribution de probabilité de forme inconnue. Généralement, on utilise leur loi asymptotique comme approximation de la vraie loi. Mais, si l'échantillon dont on dispose n'est pas de taille suffisante cette approximation peut être de mauvaise qualité et les tests basés dessus largement biaisés. Les méthodes du bootstrap permettent d'obtenir une approximation de la vraie loi de la statistique en général plus précise que la loi asymptotique. Elles peuvent également servir à approximer la loi d'une statistique qu'on ne peut pas calculer analytiquement. Dans cet article, nous présentons une méthodologie générale du bootstrap dans le contexte des modèles de régression.
Download Info
To download:
If you experience problems downloading a file, check if you have the
proper application to
view it first. Information about this may be contained
in the File-Format links below. In case of further problems read
the IDEAS help
file. Note that these files are not on the IDEAS
site. Please be patient as the files may be large.
Publisher Info
Paper provided by HAL in its series Post-Print with number
halshs-00175905_v1.
Length: Date of creation: 2005 Date of revision: Publication status: Published, Annales d'Economie et Statistiques, 2005, 77, 187-199 Handle: RePEc:hal:journl:halshs-00175905_v1
Note: View the original document on HAL open archive server: http://halshs.archives-ouvertes.fr/halshs-00175905/en/ Contact details of provider: Web page: http://hal.archives-ouvertes.fr/
For technical questions regarding this item, or to correct its listing, contact: (CCSD).
References listed on IDEAS Please report citation or reference errors to , or , if you are the registered author of the cited work, log in to your RePEc Author Service profile, click on "citations" and make appropriate adjustments.: