Este texto sugere sobre como calcular um tamanho de amostra com base no uso de um instrumento de coleta de dados formado por itens categóricos. Os argumentos para esta sugestão estão embasados nas teorias da Combinatória e da Paraconsistência. O propósito é sugerir um procedimento de cálculo simples e prático para obter um tamanho de amostra aceitável para coletar informações, organizá-las e analisar dados de uma aplicação de um instrumento de coleta de dados médicos baseado, exclusivamente, em itens discretos (itens categóricos), ou seja, cada item do instrumento é considerado como uma variável não-paramétrica com um número finito de categorias. Na Área de Saúde, é muito comum usar instrumentos para levantamento com base nesse tipo de itens: protocolos clínicos, registros hospitalares, questionários, escalas e outras ferramentas para inquirição consideram uma sequência organizada de itens categóricos. Uma fórmula para o cálculo do tamanho da amostra foi proposta para tamanhos de população desconhecidos e um ajuste dessa fórmula foi proposto para populações de tamanho conhecido. Pôde-se verificar, com exemplos práticos, a possibilidade de uso de ambas as fórmulas, o que permitiu considerar a praticidade de uso nos casos em que se tem disponível pouca ou nenhuma informação sobre a população de onde a amostra será coletada. / This text suggests how to calculate a sample size based on the use of a data collection instrument consisting of categorical items. The arguments for this suggestion are based on theories of Combinatorics and Paraconsistency. The purpose is to suggest a practical and simple calculation procedure to obtain an acceptable sample size to collect information, organize it and analyze data from an application of an instrument for collecting medical data, based exclusively on discrete items (categorical items), i.e., each item of the instrument is considered as a non-parametric variable with finite number of categories. In the health care it is very common to use survey instruments on the basis of such items: clinical protocols, hospital registers, questionnaires, scales and other tools for hearing consider a sequence of items organized categorically. A formula for calculating the sample size was proposed for a population of unknown size, and an adjusted formula has been proposed for population of known size. It was seen, with practical examples, the possibility of using both formulas, allowing to consider the practicality of the use in cases that have little or no information available about the population from which the sample is collected

Orientador: Antonio Fernando Branco Costa / Resumo: Os gráficos de controle foram criados por Shewhart em torno de 1924. Desde então foram propostas muitas estratégias para melhorar o desempenho de tais ferramentas estatísticas. Dentre elas, destaca-se a estratégia dos parâmetros adaptativos, que deu origem a uma linha de pesquisa bastante fértil. Uma de suas vertentes está voltada ao gráfico de tamanho da amostra variável, que depende da posição do ponto amostral atual. Se ele está perto da linha central, a próxima amostra será pequena. Se ele está distante, mas ainda não na região de ação, a próxima amostra será grande. Este esquema de amostragem com tamanho de amostra variável se tornou conhecido com esquema VSS (variable sample size). Esta dissertação revisa os trabalhos da área de monitoramento de processos que tem como foco principal os esquemas VSS de amostragem. Foi feita uma revisão sistemática da literatura, por intermédio de uma análise bibliométrica do período de 1980 a 2018 com o objetivo de classificar a estratégia VSS, segundo sua destinação, por exemplo, os gráficos de com parâmetros conhecidos e observação independente. As destinações foram divididas em dez classes: I – tipo de VSS ; II – tipo de monitoramento; III – número de variáveis sob monitoramento; IV – tipo de gráfico; V – parâmetros do processo; VI – regras de sinalização; VII – natureza do processo; VIII – tipo de otimização; IX – modelo matemático das propriedades do gráfico; X – tipo de produção. A conclusão principal deste estudo foi que nas class... (Resumo completo, clicar acesso eletrônico abaixo) / Mestre

Este texto sugere sobre como calcular um tamanho de amostra com base no uso de um instrumento de coleta de dados formado por itens categóricos. Os argumentos para esta sugestão estão embasados nas teorias da Combinatória e da Paraconsistência. O propósito é sugerir um procedimento de cálculo simples e prático para obter um tamanho de amostra aceitável para coletar informações, organizá-las e analisar dados de uma aplicação de um instrumento de coleta de dados médicos baseado, exclusivamente, em itens discretos (itens categóricos), ou seja, cada item do instrumento é considerado como uma variável não-paramétrica com um número finito de categorias. Na Área de Saúde, é muito comum usar instrumentos para levantamento com base nesse tipo de itens: protocolos clínicos, registros hospitalares, questionários, escalas e outras ferramentas para inquirição consideram uma sequência organizada de itens categóricos. Uma fórmula para o cálculo do tamanho da amostra foi proposta para tamanhos de população desconhecidos e um ajuste dessa fórmula foi proposto para populações de tamanho conhecido. Pôde-se verificar, com exemplos práticos, a possibilidade de uso de ambas as fórmulas, o que permitiu considerar a praticidade de uso nos casos em que se tem disponível pouca ou nenhuma informação sobre a população de onde a amostra será coletada. / This text suggests how to calculate a sample size based on the use of a data collection instrument consisting of categorical items. The arguments for this suggestion are based on theories of Combinatorics and Paraconsistency. The purpose is to suggest a practical and simple calculation procedure to obtain an acceptable sample size to collect information, organize it and analyze data from an application of an instrument for collecting medical data, based exclusively on discrete items (categorical items), i.e., each item of the instrument is considered as a non-parametric variable with finite number of categories. In the health care it is very common to use survey instruments on the basis of such items: clinical protocols, hospital registers, questionnaires, scales and other tools for hearing consider a sequence of items organized categorically. A formula for calculating the sample size was proposed for a population of unknown size, and an adjusted formula has been proposed for population of known size. It was seen, with practical examples, the possibility of using both formulas, allowing to consider the practicality of the use in cases that have little or no information available about the population from which the sample is collected

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Research with the sunflower crop currently emphasize the use for oil extraction for biodiesel production. The sunflower, because it is a culture of broad adaptation and soil nutrient cycling, has been deployed in systems of crop rotation. An important strategy for the success of any crop seed is the use of good quality in order to obtain suitable plant stand. But often lacking appropriate tests to determine the quality of seeds, making the choice of the best lots. In this sense, the objective is to determine the appropriate methodology for analysis of the effect of sunflower seeds, through electrical conductivity mass and individual test and pH exudates, as well as determining the number of samples in the number of seeds for evaluation of Individual electrical conductivity of sunflower seeds. Experiments were conducted, which evaluated the mass electrical conductivity, electrical conductivity and pH of the individual exudate and established the relationship of these tests with the test field emergence. The electrical conductivity mass and individual are promising in the separation of lots of sunflower seeds, and the best conditions for performing the electrical conductivity test mass is 25 seeds, 25 ml of water and reading done after an hour of soaking. For the electrical conductivity test individual periods 1 - 24 hours have high correlation between field emergence and electrical conductivity individual. The sample size seed number, to evaluate the conductivity of sunflower seed, is dependent on the time of seed imbibition. Soaking times an hour using the smallest possible sample sizes. Considering the range of 15 μS cm-1 seed-1 is recommended sample size of 100 seeds. / As pesquisas com a cultura do girassol, atualmente, enfatizam a utilização para fins de extração de óleo para produção de biodiesel. O girassol, por ser uma cultura de ampla adaptação e ciclagem de nutrientes do solo, vem sendo implantado nos sistemas de rotação de culturas. Uma estratégia importante para o sucesso de qualquer cultivo é a utilização de sementes de boa qualidade, de forma a obter adequado estande de plantas. Porém, muitas vezes faltam testes apropriados para determinação da qualidade das sementes, dificultando a escolha dos melhores lotes. Neste sentido, objetiva-se a determinação da metodologia adequada para análise do vigor de sementes de girassol, através de testes de condutividade elétrica massal e individual e teste do pH do exsudato, bem como, determinar o número de amostra em número de sementes para avaliação da condutividade elétrica individual de sementes de girassol. Foram realizados experimentos, em que se avaliou os testes da condutividade elétrica massal, da condutividade elétrica individual e do pH do exsudato e se estabeleceu a relação destes testes com o teste de emergência em campo. Os testes de condutividade elétrica massal e individual são promissores na separação dos lotes de sementes de girassol, sendo que, a condição mais adequada para realização do teste de condutividade elétrica massal é de 25 sementes, 25 ml de água e leitura realizada após uma hora de embebição. Para o teste de condutividade elétrica individual, períodos de 1 a 24 horas apresentam alta correlação entre emergência em campo e condutividade elétrica individual. O tamanho de amostra em número de sementes, para avaliar a condutividade elétrica das sementes de girassol, é dependente do tempo de embebição das sementes. Tempos de embebição de uma hora possibilitam utilizar os menores tamanhos de amostras. Considerando a amplitude de 15 μS cm-1 semente-1 recomenda-se tamanho de amostra de 100 sementes.

A Modelagem de Equações Estruturais (SEM, do inglês Structural Equation Modeling) é uma metodologia multivariada que permite estudar relações de causa/efeito e correlação entre um conjunto de variáveis (podendo ser elas observadas ou latentes), simultaneamente. A técnica vem se difundindo cada vez mais nos últimos anos, em diferentes áreas do conhecimento. Uma de suas principais aplicações é na conrmação de modelos teóricos propostos pelo pesquisador (Análise Fatorial Conrmatória). Existem diversas medidas sugeridas pela literatura que servem para avaliar o quão bom está o ajuste de um modelo de SEM. Entretanto, é escassa a quantidade de trabalhos na literatura que listem relações entre os valores de diferentes medidas com possíveis problemas na amostra e na especicação do modelo, isto é, informações a respeito de que possíveis problemas desta natureza impactam quais medidas (e quais não), e de que maneira. Tal informação é importante porque permite entender os motivos pelos quais um modelo pode estar sendo considerado mal-ajustado. O objetivo deste trabalho é investigar como diferentes perturbações na amostragem, especicação e estimação de um modelo de SEM podem impactar as medidas de qualidade de ajuste; e, além disso, entender se o tamanho da amostra influencia esta resposta. Simultaneamente, também se avalia como tais perturbações afetam as estimativas, dado que há casos de perturbações em que os parâmetros continuam sendo bem ajustados, mesmo com algumas medidas indicando um mau ajuste; ao mesmo tempo, há ocasiões em que se indica um bom ajuste, enquanto que os parâmetros são estimados de forma distorcida. Tais investigações serão realizadas a partir de simulações de exemplos de amostras de diferentes tamanhos para cada tipo de perturbação. Então, diferentes especicações de modelos de SEM serão aplicados a estas amostras, e seus parâmetros serão estimados por dois métodos diferentes: Mínimos Quadrados Generalizados e Máxima Verossimilhança. Conhecendo tais resultados, um pesquisador que queira aplicar a técnica de SEM poderá se precaver e, dentre as medidas de qualidade de ajuste disponíveis, optar pelas que mais se adequem às características de seu estudo. / The Structural Equation Modeling (SEM) is a multivariate methodology that allows the study of cause-and-efect relationships and correlation of a set of variables (that may be observed or latent ones), simultaneously. The technique has become more diuse in the last years, in different fields of knowledge. One of its main applications is on the confirmation of theoretical models proposed by the researcher (Confirmatory Factorial Analysis). There are several measures suggested by literature to measure the goodness of t of a SEM model. However, there is a scarce number of texts that list relationships between the values of different of those measures with possible problems that may occur on the sample or the specication of the SEM model, like information concerning what problems of this nature impact which measures (and which not), and how does the impact occur. This information is important because it allows the understanding of the reasons why a model could be considered bad fitted. The objective of this work is to investigate how different disturbances of the sample, the model specification and the estimation of a SEM model are able to impact the measures of goodness of fit; additionally, to understand if the sample size has influence over this impact. It will also be investigated if those disturbances affect the estimates of the parameters, given the fact that there are disturbances for which occurrence some of the measures indicate badness of fit but the parameters are not affected; at the same time, that are occasions on which the measures indicate a good fit and there are disturbances on the estimates of the parameters. Those investigations will be made simulating examples of different size samples for which type of disturbance. Then, SEM models with different specifications will be fitted to each sample, and their parameters will be estimated by two dierent methods: Generalized Least Squares and Maximum Likelihood. Given those answers, a researcher that wants to apply the SEM methodology to his work will be able to be more careful and, among the available measures of goodness of fit, to chose those that are more adequate to the characteristics of his study.

A Modelagem de Equações Estruturais (SEM, do inglês Structural Equation Modeling) é uma metodologia multivariada que permite estudar relações de causa/efeito e correlação entre um conjunto de variáveis (podendo ser elas observadas ou latentes), simultaneamente. A técnica vem se difundindo cada vez mais nos últimos anos, em diferentes áreas do conhecimento. Uma de suas principais aplicações é na conrmação de modelos teóricos propostos pelo pesquisador (Análise Fatorial Conrmatória). Existem diversas medidas sugeridas pela literatura que servem para avaliar o quão bom está o ajuste de um modelo de SEM. Entretanto, é escassa a quantidade de trabalhos na literatura que listem relações entre os valores de diferentes medidas com possíveis problemas na amostra e na especicação do modelo, isto é, informações a respeito de que possíveis problemas desta natureza impactam quais medidas (e quais não), e de que maneira. Tal informação é importante porque permite entender os motivos pelos quais um modelo pode estar sendo considerado mal-ajustado. O objetivo deste trabalho é investigar como diferentes perturbações na amostragem, especicação e estimação de um modelo de SEM podem impactar as medidas de qualidade de ajuste; e, além disso, entender se o tamanho da amostra influencia esta resposta. Simultaneamente, também se avalia como tais perturbações afetam as estimativas, dado que há casos de perturbações em que os parâmetros continuam sendo bem ajustados, mesmo com algumas medidas indicando um mau ajuste; ao mesmo tempo, há ocasiões em que se indica um bom ajuste, enquanto que os parâmetros são estimados de forma distorcida. Tais investigações serão realizadas a partir de simulações de exemplos de amostras de diferentes tamanhos para cada tipo de perturbação. Então, diferentes especicações de modelos de SEM serão aplicados a estas amostras, e seus parâmetros serão estimados por dois métodos diferentes: Mínimos Quadrados Generalizados e Máxima Verossimilhança. Conhecendo tais resultados, um pesquisador que queira aplicar a técnica de SEM poderá se precaver e, dentre as medidas de qualidade de ajuste disponíveis, optar pelas que mais se adequem às características de seu estudo. / The Structural Equation Modeling (SEM) is a multivariate methodology that allows the study of cause-and-efect relationships and correlation of a set of variables (that may be observed or latent ones), simultaneously. The technique has become more diuse in the last years, in different fields of knowledge. One of its main applications is on the confirmation of theoretical models proposed by the researcher (Confirmatory Factorial Analysis). There are several measures suggested by literature to measure the goodness of t of a SEM model. However, there is a scarce number of texts that list relationships between the values of different of those measures with possible problems that may occur on the sample or the specication of the SEM model, like information concerning what problems of this nature impact which measures (and which not), and how does the impact occur. This information is important because it allows the understanding of the reasons why a model could be considered bad fitted. The objective of this work is to investigate how different disturbances of the sample, the model specification and the estimation of a SEM model are able to impact the measures of goodness of fit; additionally, to understand if the sample size has influence over this impact. It will also be investigated if those disturbances affect the estimates of the parameters, given the fact that there are disturbances for which occurrence some of the measures indicate badness of fit but the parameters are not affected; at the same time, that are occasions on which the measures indicate a good fit and there are disturbances on the estimates of the parameters. Those investigations will be made simulating examples of different size samples for which type of disturbance. Then, SEM models with different specifications will be fitted to each sample, and their parameters will be estimated by two dierent methods: Generalized Least Squares and Maximum Likelihood. Given those answers, a researcher that wants to apply the SEM methodology to his work will be able to be more careful and, among the available measures of goodness of fit, to chose those that are more adequate to the characteristics of his study.

Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The quality of the seeds used in any agricultural cultivation is one of the important factors for the obtaining of a number of ideal plants and high productivity. The evaluation of the physiological potential of the seeds is essential to the quality control programs utilized by producing companies and this evaluation is realized through vigor tests. Cytogenetic studies also provide information about the quality of the seeds, allowing to identify anomalies that compromise the vigor. For the obtainment of precise results in agricultural experiments, the determination of the samples‟ size to be used is one of the main quality components of the experiments. Thereby, the objectives of this study aimed to determine and standardize the methodologies of the mass and individual electric conductivity tests for the physiological quality of the wheat seeds; detect cytogenetic and physiological alterations that occur during the deterioration process of the seeds submitted to the artificial aging and estimate the sample size, in number of seeds, for the average estimation of individual electric conductivity in different times of soaking. Five varieties of wheat seeds were used: Fundacep Horizonte, Fundacep Campo Real, Quartzo, Mirante and Ônix, subdivided into two subgroups of seeds for each variety (high and low vigor) through the methodology of accelerated aging. Each group was evaluated physiologically by the determinations of germination tests and vigor tests. Later on, the seeds were submitted to the tests to be standardized: mass electric conductivity and individual electric conductivity, in nine soaking periods (1, 2, 3, 4, 5, 6, 7, 8, and 24 hours). For the cytogenetic analysis, the seeds from the varieties Fundacep Campo Real and Ônix were used. They were submitted to the accelerated aging process by zero, 24, 48, 72, 96 and 120 hours, at 42ºC and 100% of relative air humidity. Physiological determinations were also effectuated and the cytogenetic analyses were realized through conventional techniques, as chromosome observation and mitotic index. To determine the sample size, an interactive process of resampling was conducted with 1000 resamplings, with restitution, using different sample sizes, starting with one seed and adding a seed to each interaction until the maximum size of 400 seeds. The obtained results reveal that the individual electric conductivity test was effective for the separation of the groups of wheat seeds and the best combination was the utilization of 25 ml of soaking solution and samples of 75 seeds, during the periods of 8 and 24 hours. The individual electric conductivity test was efficient for the vigor determination of the wheat seeds with the possibility of reading with reduced period of one hour of seed soaking. The seed deterioration caused by the accelerated aging has relation with the reduction of the germination potential and the vigor of the wheat seeds from the varieties Campo Real and Ônix; the stress caused by the accelerated aging on the seeds from both varieties leads to a drastic reduction on the mitotic index and the accelerated aging leads to an increase of anomalies frequency, possibly, related to a genotypic effect. The sampling, in number of wheat seeds, to evaluate the individual electric conductivity is of 44 seeds; for groups in which the accelerated aging was not applied, it is 27 seeds; for groups artificially aged, the amplitudes are from 3 to 5 uS. cm-1 seed-1, for soaking time from one to 24 hours. / A qualidade das sementes utilizadas em qualquer cultivo agrícola é um dos fatores importantes para obtenção de um número de plantas ideal e alta produtividade. A avaliação do potencial fisiológico das sementes é essencial aos programas de controle de qualidade empregados por empresas produtoras e, essa avaliação é realizada através de testes de vigor. Estudos citogenéticos também fornecem informações sobre a qualidade das sementes, permitindo identificar anomalias que comprometem o vigor. Para obtenção de resultados precisos em experimentes para qualidade de experimentos. Desse modo, os objetivos desse estudo foram determinar e padronizar metodologias para os testes de condutividade elétrica massal e individual visando a determinação da qualidade fisiológica de sementes de trigo; detectar alterações citogenéticas e fisiológicas que ocorrem durante o processo de deterioração das sementes submetidas ao envelhecimento artificial; e determinar o tamanho de amostra, em número de sementes, para a estimação da média de condutividade elétrica individual em diferentes tempos de embebição. Foram utilizadas cinco cultivares de trigo: Fundacep Horizonte, Fundacep Campo Real, Quartzo, Mirante e Ônix, subdivididas em dois sublotes de sementes para cada cultivar (alto e baixo vigor) através da metodologia do envelhecimento acelerado. Cada lote foi avaliado fisiologicamente pelas determinações do teste de germinação e testes de vigor. Posteriormente, as sementes foram submetidas aos testes a serem padronizados: condutividade elétrica massal e condutividade elétrica individual, por nove períodos de imersão (1, 2, 3, 4, 5, 6, 7, 8 e 24 horas). Para as análises citogenéticas, foram utilizadas sementes das cultivares Fundacep Campo Real e Ônix, submetidas ao processo de envelhecimento acelerado por zero, 24, 48, 72, 96 e 120 horas, à 42ºC e 100% de UR. Determinações fisiológicas também foram efetuadas e as análises citogenéticas foram realizadas através de técnicas convencionais, como observação dos cromossomos e índice mitótico. Para determinar o tamanho de amostra, realizou-se um processo interativo de reamostragem com 1000 reamostragens, com reposição, utilizando diferentes tamanhos de amostras, iniciando com uma semente e acrescentando uma semente em cada interação até o tamanho máximo de 400 sementes. Os resultados obtidos revelaram que o teste de condutividade elétrica individual foi eficiente para a separação dos lotes de sementes de trigo e a melhor combinação foi a utilização de 25mL de solução de embebição e amostras de 75 sementes, nos períodos de 8 e 24 horas e, que o teste de condutividade elétrica individual foi eficiente para a determinação do vigor das sementes de trigo com a possibilidade de leitura com período reduzido de uma hora de embebição das sementes. A deterioração das sementes causada pelo envelhecimento acelerado tem relação com a diminuição do potencial germinativo e de vigor das sementes de trigo das cultivares Campo Real e Ônix; o estresse causado pelo envelhecimento acelerado nas sementes de ambas as cultivares leva a drástica redução no índice mitótico e, o envelhecimento acelerado leva ao aumento da frequência de anomalias cromossômicas, porém com respostas distintas para as cultivares analisadas, possivelmente, vinculado a efeito genotípico. A amostragem, em número de sementes de trigo, para avaliar a condutividade elétrica individual é de 44 sementes; para lotes em que não foram aplicados o envelhecimento acelerado, é de 27 sementes; para lotes envelhecidos artificialmente, para amplitudes de 3 a 5 uS cm-1 semente-1, para tempos de embebição das sementes de uma a 24horas.