AFRIKA STATISTIKA

Théorie des Probabilités et Statistiques Mathématiques
et domaines connexes



Journal contents / Contenu du Journal

Volume 15, Numéro 1, Année 2020

Zakaria BARADINE,Youssou CISS,Aboubakary DIAKHABY,
Asymptotic Normality of Non-parametric Estimator for the FGT Poverty Index via Adaptive Kernel, pp. 2179-2197
DOI : http://dx.doi.org/10.16929/as/2020.2179.153
ABSTRACT
ENGLISH In this paper, we study the kernel estimator of the measurement class of Foster, Greer and Thorbecke to establish the asymptotic normality of the kernel estimator of the FGT poverty index by the adaptive method for the values of \(\alpha = 0\) and \(\alpha \geq 1\). We then provide a performance study of this estimator, on simulated data, compared to the estimator from the non-adaptive kernel and the empirical estimator. The study shows that an adaptive kernel estimator is recommended.

FRANCAIS Dans ce papier, nous étudions l'estimateur à  noyau de la classe de mesure de Foster, Greer et Thorbecke afin d'établir la normalité asymptotique de l'estimateur à  noyau de l'indice de pauvreté FGT par la méthode adaptative pour \(\alpha = 0\) et \(\alpha \geq 1\). A titre d'illustration, nous déterminerons les intervalles de confiance sur des données simulées pour différentes valeurs du seuil de pauvreté. Par cette étude nous montrons que pour la plupart des valeurs du seuil de pauvreté, le nouvel estimateur est non seulement plus efficace que les deux autres estimateurs mais génère des intervalles de confiance d'amplitudes plus petites.
Citer cet article
Zakaria BARADINE,Youssou CISS,Aboubakary DIAKHABY, (2020). Asymptotic Normality of Non-parametric Estimator for the FGT Poverty Index via Adaptive Kernel. Afrika Statistika . Volume 15(1), pp 2179-2197
Doi : http://dx.doi.org/10.16929/as/2020.2179.153













JAS
JAS



ok