Modèle SBUC et estimation par réseau neuronal artificiel

Un défi important en matière de modélisation statistique consiste à identifier la stratégie appropriée pour le modèle à utiliser dans l’échantillonnage. Diverses méthodes d’échantillonnage ont été développées par de nombreux chercheurs dont les méthodes TLS de Quaglia et Vivier, RDS de Heckathorn et l’enquête-filtre de Kalton, etc. Dans cette thèse, nous proposons l’échantillonnage par usage du modèle Sampling By Use of Complicity (SBUC) inspiré des méthodes TLS, RDS et d’enquête-filtre. Le modèle SBUC est développé pour recruter des unités d’échantillonnage en utilisant des unités complices de la population cachée. Le modèle SBUC est alors appliqué avec succès à la population cachée et réticente des vendeurs d’essence de contrebande du Bénin convoyant leurs produits pétroliers du Nigeria en 2013. Ainsi, on prédit les taux moyens des vendeurs d’essence de contrebande conscients du caractère dangereux de cette activité et de ceux disposés à abandonner ce commerce. Nous nous sommes interessé à l’estimation des proportions moyennes des vendeurs d’essence de contrebande conscients du caractère dangereux de cette activité et de ceux disposés à abandonner ce commerce.