Skip to content
Publicar y Distribuir
Soluciones de Publicación
Soluciones de Distribución
Servicios bibliotecarios
Temas
Arquitectura y diseño
Artes
Ciencias Sociales
Ciencias de la Información y Bibliotecas, Estudios del Libro
Ciencias de la vida
Ciencias de los materiales
Deporte y tiempo libre
Estudios clásicos y del Cercano Oriente antiguo
Estudios culturales
Estudios judíos
Farmacia
Filosofía
Física
Geociencias
Historia
Informática
Ingeniería
Interés general
Ley
Lingüística y semiótica
Literatura
Matemáticas
Medicina
Música
Negocios y Economía
Química
Química industrial
Teología y religión
Publicaciones
Revistas
Libros
Actas
Editoriales
Journal Matcher
Blog
Contacto
Buscar
Español
English
Deutsch
Polski
Español
Français
Italiano
Carrito
Home
Revistas
Journal of Official Statistics
Volumen 38 (2022): Edición 3 (Septiembre 2022)
Acceso abierto
Hierarchical Bayesian Model with Inequality Constraints for US County Estimates
Lu Chen
Lu Chen
National Institute of Statistical Sciences
U.S.A.
Buscar este autor en
Sciendo
|
Google Scholar
Chen, Lu
,
Balgobin Nandram
Balgobin Nandram
Worcester Polytechnic Institute and USDA National Agricultural statistics Service, Department of Mathematical Sciences
U.S.A.
Buscar este autor en
Sciendo
|
Google Scholar
Nandram, Balgobin
y
Nathan B. Cruze
Nathan B. Cruze
USDA National Agricultural statistics Service
Buscar este autor en
Sciendo
|
Google Scholar
Cruze, Nathan B.
12 sept 2022
Journal of Official Statistics
Volumen 38 (2022): Edición 3 (Septiembre 2022)
Acerca de este artículo
Artículo anterior
Artículo siguiente
Resumen
Referencias
Autores
Artículos en este número
Vista previa
PDF
Cite
Compartir
Descargar portada
Publicado en línea:
12 sept 2022
Páginas:
709 - 732
Recibido:
01 ene 2021
Aceptado:
01 ene 2022
DOI:
https://doi.org/10.2478/jos-2022-0032
Palabras clave
Administrative data
,
bayesian diagnostic
,
benchmarking
,
crop acreage estimates
,
small area estimation
,
sub-area models
,
survey data
© 2022 Lu Chen et al., published by Sciendo
This work is licensed under the Creative Commons Attribution-NonCommercial-NoDerivatives 3.0 License.