Skip navigation
Use este identificador para citar ou linkar para este item: http://repositorio.unb.br/handle/10482/31237
Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2017_GilbertoRezendedeAlmeidaJunior.pdf969,81 kBAdobe PDFVisualizar/Abrir
Título: Metodologia para subamostragem em grandes bancos de dados amostrais complexos para realização de testes de hipóteses
Autor(es): Almeida Junior, Gilberto Rezende de
Orientador(es): Silva, Alan Ricardo da
Assunto: Amostragem
Bancos de dados
Inferência
Data de publicação: 15-Fev-2018
Referência: ALMEIDA JÚNIOR, Gilberto Rezende de. Metodologia para subamostragem em grandes bancos de dados amostrais complexos para realização de testes de hipóteses. 2017. ii, 73 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2017.
Resumo: A amostragem é uma metodologia utilizada para auxiliar a seleção de amostras e estimação de parâmetros com base nessas amostras. Usualmente é discutido o tamanho mínimo que deve se tomar em uma amostra. No entanto, ao utilizar amostras grandes, podem surgir problemas na realização de testes de hipóteses pois, segundo a propriedade da consistência dos estimadores, ao aumentar o tamanho amostral a variância do estimador diminui, podendo in uenciar no valor da estatística do teste de hipótese. O problema se agrava em amostras complexas. Neste trabalho é proposto uma técnica de subamostragem para ser aplicada nessas grandes amostras, assim como o algoritmo para fazer uma subamostragem de maneira correta. Um teste para o efeito do tamanho amostral na signi cância de teste de hipóteses também é apresentado. Foram simulados dados em que os resultados mostraram a importância dessa veri cação. Também foi feita uma aplicação utilizando os dados da Pesquisa Nacional por Amostra de Domicílios - PNAD, e os resultados mostraram uma mudança na inferência quando o tamanho da amostra foi reduzido.
Abstract: Sampling is a statistical methodology used to aid the sample selection and the parameters estimation based on this sample. It is common to discuss the minimum size to be taken in a sample, however, when using large samples, problems may arise in performing hypothesis tests because, according to the consistency property of the estimators, by increasing the sample size the variance of the estimator decreases. This may in uence the value of the hypothesis test statistic. The problem is exacerbated in complex samples. In this work we propose a subsampling technique to be applied in large samples, as well as an algorithm to conduct resampling. A test for the e ect of sample size on the signi cance of the hypothesis test is also presented. Simulated data have been used and the results showed the importance of this method. In addition, in application to the Brazilian National Household Sample Survey (PNAD) showed that the inference was changed when the sample size was reduced.
Unidade Acadêmica: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Informações adicionais: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017.
Programa de pós-graduação: Programa de Pós-Graduação em Estatística
Licença: A concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.
Aparece nas coleções:Teses, dissertações e produtos pós-doutorado

Mostrar registro completo do item Visualizar estatísticas



Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.