Skip to content
Publier & Distribuer
Solutions d'édition
Solutions de distribution
Services de bibliothèques
Thèmes
Architecture et design
Arts
Business et économie
Chimie
Chimie industrielle
Droit
Géosciences
Histoire
Informatique
Ingénierie
Intérêt général
Linguistique et sémiotique
Littérature
Mathématiques
Musique
Médecine
Pharmacie
Philosophie
Physique
Sciences bibliothécaires et de l'information, études du livre
Sciences des matériaux
Sciences du vivant
Sciences sociales
Sport et loisirs
Théologie et religion
Études classiques et du Proche-Orient ancient
Études culturelles
Études juives
Publications
Journaux
Livres
Comptes-rendus
Éditeurs
Journal Matcher
Blog
Contact
Chercher
Français
English
Deutsch
Polski
Español
Français
Italiano
Panier
Home
Journaux
Journal of Official Statistics
Édition 38 (2022): Edition 3 (Septembre 2022)
Accès libre
Hierarchical Bayesian Model with Inequality Constraints for US County Estimates
Lu Chen
Lu Chen
National Institute of Statistical Sciences
U.S.A.
Recherchez cet auteur sur
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.
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Nandram, Balgobin
et
Nathan B. Cruze
Nathan B. Cruze
USDA National Agricultural statistics Service
Recherchez cet auteur sur
Sciendo
|
Google Scholar
Cruze, Nathan B.
12 sept. 2022
Journal of Official Statistics
Édition 38 (2022): Edition 3 (Septembre 2022)
À propos de cet article
Article précédent
Article suivant
Résumé
Références
Auteurs
Articles dans cette édition
Aperçu
PDF
Citez
Partagez
Télécharger la couverture
Publié en ligne:
12 sept. 2022
Pages:
709 - 732
Reçu:
01 janv. 2021
Accepté:
01 janv. 2022
DOI:
https://doi.org/10.2478/jos-2022-0032
Mots clés
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.