📊 statistiques

An Efficient Estimator of Population Mean Using a Poisson Regression-Based Approach: Simulation and Theoretical Efficiency Analysis

Cet article propose et valide un nouvel estimateur basé sur la régression de Poisson pour la moyenne de la population sous échantillonnage aléatoire simple, démontrant, par l'analyse théorique, des études empiriques en santé environnementale et en sécurité des transports, ainsi que des simulations, qu'il surpasse les estimateurs de ratio traditionnels en termes d'erreur quadratique moyenne.

Auteurs originaux : Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

Publié 2026-09-28

📖 5 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Dans le monde de la statistique, les chercheurs sont souvent confrontés à un défi semblable à celui de tenter de deviner le poids moyen de chaque pomme dans un vaste verger sans toutes les peser. Pour faire une meilleure estimation, ils cherchent un indice utile, ou « variable auxiliaire », qui est déjà connu pour l'ensemble du verger, comme le nombre moyen de feuilles sur les arbres. Si le nombre de feuilles est étroitement lié au poids du fruit, l'utilisation de cette information peut affiner l'estimation. C'est le fondement de l'estimation par ratio, une méthode qui a été perfectionnée pendant des décennies pour améliorer la précision. Cependant, cette approche traditionnelle se heurte à un mur lorsque les données comptées — comme le nombre de visites à l'hôpital ou les accidents de la route — ne suivent pas une courbe lisse et prévisible. Les données de comptage se comportent souvent différemment, avec de nombreux zéros et des pics occasionnels qui brisent les hypothèses des modèles linéaires standards. Lorsque ces outils standards sont imposés à de telles données, ils peuvent produire des résultats impossibles, comme prédire des nombres négatifs d'accidents, ou simplement échouer à capturer le véritable schéma.

Pour résoudre ce problème, une équipe de chercheurs de l'Université de Banaras Hindu à l'Inde a développé une nouvelle façon d'estimer les moyennes de population qui est spécifiquement conçue pour les données de comptage. Au lieu de forcer les données à entrer dans une ligne droite, ils ont utilisé un modèle de régression de Poisson, un outil statistique conçu pour gérer des comptages qui varient naturellement dans le temps ou l'espace. Les chercheurs ont proposé une nouvelle formule mathématique qui combine cette approche de régression spécialisée avec le concept d'utilisation d'informations auxiliaires. Ils ont testé ce nouvel estimateur contre plusieurs méthodes existantes en utilisant des données réelles provenant de deux domaines très différents : la pollution de l'air et la sécurité routière. Dans un cas, ils ont examiné les admissions hebdomadaires à l'hôpital pour des problèmes respiratoires parallèlement aux niveaux de pollution de l'air ; dans l'autre, ils ont examiné la mortalité routière par rapport au nombre de véhicules à moteur dans diverses provinces. Les résultats étaient frappants. Dans l'ensemble de données sur la sécurité routière, la nouvelle méthode a réduit l'erreur de l'estimation par une marge massive, étant des milliers de fois plus performante que la référence standard dans certaines comparaisons.

Les chercheurs ne se sont pas arrêtés aux exemples du monde réel ; ils ont également lancé des milliers de simulations informatiques pour voir comment la méthode se comporterait sous différentes conditions. Ils ont généré des populations artificielles où la relation entre les données de comptage et l'indice auxiliaire variait en intensité, et ils ont testé des tailles d'échantillons allant de petites à modérément grandes. Dans chaque scénario, le nouvel estimateur a systématiquement surpassé les anciennes méthodes traditionnelles. Il a produit des moyennes plus précises avec moins d'erreurs, que la taille de l'échantillon soit petite ou grande, ou que les variables soient fortement liées. L'étude suggère que pour quiconque travaille avec des données de comptage — comme les épidémiologistes suivant les cas de maladies ou les urbanistes surveillant les accidents — cette nouvelle approche offre un moyen nettement plus fiable de comprendre la véritable moyenne d'une population.

Le cœur de la découverte réside dans la manière dont la nouvelle formule gère la relation entre l'information connue et le comptage inconnu. Les méthodes traditionnelles traitent souvent la connexion entre les variables comme une simple ligne droite, ce qui peut conduire à des erreurs lorsque les données sont asymétriques ou contiennent des valeurs extrêmes. La nouvelle approche utilise, quant à elle, un type de courbe spécifique qui respecte la nature des données de comptage, garantissant que les prédictions restent réalistes et positives. En ajustant les constantes au sein de cette formule, les chercheurs ont trouvé un « point idéal » qui minimise la différence entre l'estimation de la moyenne et la moyenne réelle. Dans leurs tests avec des données réelles, la nouvelle méthode a atteint un niveau de précision que les anciens estimateurs de ratio ne pouvaient tout simplement pas égaler. Par exemple, en analysant les décès par accidents de la route, le nouvel estimateur était près de vingt-trois fois plus efficace que la méthode standard utilisée comme référence, ce qui signifie qu'il nécessitait beaucoup moins de données pour atteindre le même niveau de certitude.

Bien que l'étude se soit concentrée sur des ensembles de données et des scénarios simulés spécifiques, les implications pour la pratique statistique sont claires. Les auteurs démontrent qu'en s'en tenant aux méthodes linéaires traditionnelles pour les données de comptage, on peut aboutir à des résultats sous-optimaux, et que passer à un modèle de régression conçu pour les comptages peut considérablement améliorer la précision. Ils reconnaissent que leur travail est une étape en avant, mais pas le dernier mot. Les chercheurs soulignent que les travaux futurs pourraient traiter des situations encore plus complexes, telles que des données présentant un nombre excessif de zéros ou des valeurs manquantes, en adaptant leur méthode à des modèles plus spécialisés. Pour l'instant, l'étude fournit un outil robuste et testé pour améliorer la précision des estimations de population dans les domaines où le comptage d'événements est essentiel, offrant une image plus claire de la réalité que les méthodes actuellement en usage généralisé.

Résumé Technique : Un estimateur efficace de la moyenne de population utilisant une approche basée sur la régression de Poisson

Énoncé du problème
Dans la théorie des enquêtes par échantillonnage, l'estimation de la moyenne de la population est un objectif primaire, souvent amélioré par l'utilisation d'informations auxiliaires. Bien que les estimateurs de rapport et de régression soient des standards lorsqu'il existe une relation positive entre les variables d'étude et auxiliaires, les modèles de régression linéaire classique sont fréquemment inappropriés pour les données de comptage. Les modèles linéaires peuvent produire des prédictions négatives et violer l'hypothèse d'une variance constante, ce qui est crucial pour les tests d'hypothèses. Bien que la régression de Poisson soit le standard pour modéliser les réponses de comptage, il existe un besoin pour des estimateurs plus efficaces de la moyenne de la population qui exploitent spécifiquement le cadre de la régression de Poisson sous l'échantillonnage aléatoire simple (SRS), particulièrement lorsque les estimateurs concurrents (tels que ceux de Kadilar et Cingi ou de Koç) peuvent ne pas exploiter pleinement les propriétés de distribution des données de comptage.

Méthodologie
L'étude propose un nouvel estimateur de la moyenne de la population, noté $Z^*$ , conçu pour être utilisé sous SRS avec des données de comptage. La méthodologie procède comme suit :

Cadre théorique : L'étude utilise un modèle de régression de Poisson où la variable d'étude $Y_i$ représente des comptages d'événements suivant une distribution de Poisson. Le coefficient de pente ( $b_P$ ) est dérivé de ce modèle de régression de Poisson plutôt que des moindres carrés traditionnels.
Construction de l'estimateur proposé : Inspirés par Raghav et al. et Koç, les auteurs définissent le nouvel estimateur $Z^*$ comme une combinaison d'un terme de rapport modifié et d'un terme de régression, incorporant une fonction exponentielle du rapport de la différence et de la somme des moyennes des variables auxiliaires :
$Z^* = \left[ \alpha \bar{y} \left\{ \frac{1}{2} \left( \frac{\bar{X}}{\bar{x}} + \frac{\bar{x}}{\bar{X}} \right) \right\} + b_P(\bar{X} - \bar{x}) \right] \exp\left( \frac{\bar{X} - \bar{x}}{\bar{X} + \bar{x}} \right)$
Ici, $\alpha$ est une constante scalaire déterminée en minimisant l'erreur quadratique moyenne (MSE).
Dérivation des propriétés : En utilisant l'approximation du premier ordre et les termes d'erreur ( $\epsilon_0, \epsilon_1$ ), les auteurs dérivent les expressions du biais et de la MSE de $Z^*$ . La MSE est exprimée sous la forme $MSE(Z^*) = \alpha^2 A + \alpha B + C$ . La valeur optimale de $\alpha$ est trouvée en minimisant cette expression ( $\alpha = -B/2A$ ), produisant la MSE minimale : $MSE_{min} = C - B^2/4A$ .
Analyse comparative : L'efficacité théorique de $Z^*$ $Z^{*}$ est comparée à :
- Les estimateurs de rapport traditionnels de Kadilar et Cingi ( $\bar{y}_{KC1}$ à $\bar{y}_{KC5}$ ).
- Les estimateurs de rapport basés sur la régression de Poisson de Koç ( $\bar{y}_1$ à $\bar{y}_5$ ).
- Un estimateur de moyenne basé sur la régression de Poisson de Shahzad et al. ( $\bar{y}_U$ ).
- Les estimateurs de rapport-cum-régression basés sur la régression de Poisson de Jana et al. ( $Z_1$ à $Z_5$ ).

Contributions clés et résultats
L'article valide l'estimateur proposé à travers des études empiriques utilisant des ensembles de données réels et des études de simulation approfondies.

Étude empirique : Deux populations réelles ont été analysées :
1. Population I : Données de pollution de l'air (Afyon, Turquie), liant les admissions hebdomadaires à l'hôpital ( $Y$ ) aux niveaux de PM10 ( $X$ ).
2. Population II : Données d'accidents de la route (Turquie, 2019), liant les décès de la circulation ( $Y$ ) au nombre de véhicules à moteur ( $X$ ).
  Dans les deux cas, l'estimateur proposé $Z^*$ a démontré la MSE la plus faible et l'efficacité relative en pourcentage (PRE) la plus élevée. Pour la Population II, $Z^*$ a atteint une PRE de 2323,13 % par rapport à l'estimateur conventionnel $\bar{y}_1$ , surpassant de manière significative tous les estimateurs concurrents.
Étude de simulation : Une simulation a été réalisée avec le logiciel R utilisant une population finie ( $N=1000$ ) où $X$ suivait une distribution uniforme et $Y$ suivait une distribution de Poisson avec $\lambda = \exp(\beta_0 + \beta_1 X)$ . L'étude a fait varier les tailles d'échantillon ( $n=20, 30, 40$ ) et les coefficients de régression ( $\beta_1 = 0,75, 0,85, 0,95$ ).
- Dans tous les scénarios, $Z^*$ a systématiquement produit la MSE minimale et la PRE maximale par rapport aux estimateurs de Kadilar et Cingi, Koç et Jana et al.
- Les résultats ont confirmé qu'à mesure que la taille de l'échantillon augmentait, la MSE diminuait pour tous les estimateurs, mais que l'estimateur proposé maintenait une efficacité supérieure.

Signification et revendications
Les auteurs affirment que l'estimateur proposé $Z^*$ offre une amélioration statistiquement significative par rapport aux méthodes existantes pour estimer la moyenne de population des données de comptage. L'étude soutient que :

La dérivation théorique du biais et de la MSE fournit une base robuste pour la performance de l'estimateur.
Les résultats empiriques et de simulation valident que $Z^*$ est plus efficace que les estimateurs de rapport traditionnels et d'autres approches basées sur la régression de Poisson actuellement présentes dans la littérature.
L'utilisation de la fonction exponentielle et la combinaison spécifique des termes de rapport et de régression au sein du cadre de Poisson capturent efficacement la relation entre les variables d'étude et auxiliaires pour les données de comptage.

L'article conclut que $Z^*$ est recommandé pour analyser les ensembles de données de comptage lorsque des informations auxiliaires sont disponibles. Les auteurs suggèrent modestement que des travaux futurs pourraient étendre cette méthodologie pour traiter la surdispersion, l'excès de zéros (via des modèles à inflation de zéros), les données manquantes et d'autres plans d'échantillonnage comme l'échantillonnage stratifié ou l'échantillonnage par rangs, mais ils ne prétendent pas que ces extensions ont été réalisées dans la présente étude.

Résumé Technique : Un estimateur efficace de la moyenne de population utilisant une approche basée sur la régression de Poisson

Articles similaires