[pt] A finalidade desta tese é propor estimadores pontuais para os coeficientes de escalonabilidade associados à Teoria de Resposta ao Item não Paramétrica (TRIN), a saber: Hij, Hi e H, e seus respectivos estimadores da variância, baseados na abordagem da amostragem de populações finitas. Com o objetivo de investigar empiricamente a qualidade destes estimadores são consideradas as populações de referência que são formadas pelos alunos que frequentavam o 9° ano do Ensino Fundamental, na rede pública, em áreas urbanas dos Estados de Roraima e do Rio de Janeiro, que participaram da Prova Brasil 2007. As respostas obtidas destes alunos a um conjunto de 10 itens dicotomizados que mensuram o capital econômico da sua família foram usadas na construção dos coeficientes de escalonabilidade do Modelo de Homogeneidade Monótona da TRIN. Repetidas amostras foram selecionadas de cada população de referência empregando dois planos amostrais: AC1S (amostragem por conglomerados em único estágio) e AC2-SAEB (com seleção de escolas e turmas, estratificação e sorteio das unidades do primeiro estágio com probabilidade proporcional a uma medida de tamanho da escola. A estimação pontual é baseada no Modelo de Superpopulação. Duas técnicas foram tratadas para a estimação da variância: método do Conglomerado Primário e Delete - 1 Jackknife. As medidas usuais: vício relativo, erro relativo médio, intervalo de confiança e efeito do plano amostral são usadas para a avaliação da qualidade dos estimadores em termos das propriedades de vício e precisão. O estudo assinala que os estimadores pontuais apresentam boas propriedades e, além disto, o estimador da variância corrigido pelo fator de correção de população finita é o mais apropriado em termos de vício e precisão. O plano amostral complexo adotado teve impacto na estimação pontual e da variância dos estimadores dos coeficientes de escalonabilidade. / [en] The purpose of this thesis is to propose estimators for the coefficients of scalability associated with Non Parametric Item Response Theory (NIRT), namely: Hij, Hi and H, and their variance estimators, based on the approach of sampling finite populations. To investigate empirically the quality of these estimators are considered the reference populations that are formed by students attending the 9th year of elementary school, in public, in urban areas of the states of Roraima and Rio de Janeiro, who participated Prova Brasil 2007. The responses of students to a set of 10 dichotomized items that measure the economic status of their families were used in the construction of the coefficients of scalability of the Homogeneity Model. Repeated samples were selected from each reference population using two sampling plans: AC1S (cluster sampling single stage) and AC2-SAEB (with selecting schools and classes, stratification and draw units of the first stage with probability proportional to a measure of school size). The point estimate is based on the approach of the Model Overpopulation. Two techniques were treated to estimate the variance: Ultimate Cluster method and Delete - 1 Jackknife. The usual measures: relative bias, mean relative error, confidence intervals and effect of the sampling plan is used to assess the quality of the estimators in terms of the properties of bias and accuracy. The study notes that the estimators have good properties and, in addition, the estimator of the variance corrected by the correction factor for finite population is the most appropriate in terms of accuracy and bias. The complex sampling (AC2-SAEB) impacted the point estimate and variance of the estimators of the coefficients of scalability.

Cette thèse est consacrée à l'analyse théorique de problèmes non supervisés impliquant des séries temporelles hautement dépendantes. Plus particulièrement, nous abordons les deux problèmes fondamentaux que sont le problème d'estimation des points de rupture et le partitionnement de séries temporelles. Ces problèmes sont abordés dans un cadre extrêmement général oùles données sont générées par des processus stochastiques ergodiques stationnaires. Il s'agit de l'une des hypothèses les plus faibles en statistiques, comprenant non seulement, les hypothèses de modèles et les hypothèses paramétriques habituelles dans la littérature scientifique, mais aussi des hypothèses classiques d'indépendance, de contraintes sur l'espace mémoire ou encore des hypothèses de mélange. En particulier, aucune restriction n'est faite sur la forme ou la nature des dépendances, de telles sortes que les échantillons peuvent être arbitrairement dépendants. Pour chaque problème abordé, nous proposons de nouvelles méthodes non paramétriques et nous prouvons de plus qu'elles sont, dans ce cadre, asymptotiquement consistantes. Pour l'estimation de points de rupture, la consistance asymptotique se rapporte à la capacité de l'algorithme à produire des estimations des points de rupture qui sont asymptotiquement arbitrairement proches des vrais points de rupture. D'autre part, un algorithme de partitionnement est asymptotiquement consistant si le partitionnement qu'il produit, restreint à chaque lot de séquences, coïncides, à partir d'un certain temps et de manière consistante, avec le partitionnement cible. Nous montrons que les algorithmes proposés sont implémentables efficacement, et nous accompagnons nos résultats théoriques par des évaluations expérimentales. L'analyse statistique dans le cadre stationnaire ergodique est extrêmement difficile. De manière générale, il est prouvé que les vitesses de convergence sont impossibles à obtenir. Dès lors, pour deux échantillons générés indépendamment par des processus ergodiques stationnaires, il est prouvé qu'il est impossible de distinguer le cas où les échantillons sont générés par le même processus de celui où ils sont générés par des processus différents. Ceci implique que des problèmes tels le partitionnement de séries temporelles sans la connaissance du nombre de partitions ou du nombre de points de rupture ne peut admettre de solutions consistantes. En conséquence, une tâche difficile est de découvrir les formulations du problème qui en permettent une résolution dans ce cadre général. La principale contribution de cette thèse est de démontrer (par construction) que malgré ces résultats d'impossibilités théoriques, des formulations naturelles des problèmes considérés existent et admettent des solutions consistantes dans ce cadre général. Ceci inclut la démonstration du fait que le nombre de points de rupture corrects peut être trouvé, sans recourir à des hypothèses plus fortes sur les processus stochastiques. Il en résulte que, dans cette formulation, le problème des points de rupture peut être réduit à du partitionnement de séries temporelles. Les résultats présentés dans ce travail formulent les fondations théoriques pour l'analyse des données séquentielles dans un espace d'applications bien plus large.

No description available.

In this paper, we will investigate the important properties of three major parts of statistical inference: point estimation, interval estimation and hypothesis testing. For point estimation, we consider the two methods of finding estimators: moment estimators and maximum likelihood estimators, and three methods of evaluating estimators: mean squared error, best unbiased estimators and sufficiency and unbiasedness. For interval estimation, we consider the the general confidence interval, confidence interval in one sample, confidence interval in two samples, sample sizes and finite population correction factors. In hypothesis testing, we consider the theory of testing of hypotheses, testing in one sample, testing in two samples, and the three methods of finding tests: uniformly most powerful test, likelihood ratio test and goodness of fit test. Many examples are used to illustrate their applications.