Made available in DSpace on 2014-06-12T18:01:09Z (GMT). No. of bitstreams: 2 arquivo611_1.pdf: 1812848 bytes, checksum: 929d5b4915afaab53bb7bfe1de2e5d5d (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / A abordagem de cadastro duplo envolve um levantamento amostral onde dois cadastros são utilizados com o propósito de fornecer maior cobertura e identificar elementos de uma única população-alvo. Tal abordagem tem sido vastamente utilizada na literatura em situações onde um único cadastro não consegue fornecer cobertura completa da população-alvo, ou ainda, quando há diferenças de custo de amostragem realizada em cada um dos cadastros disponíveis. Esta tese estuda estratégias de inferência assistida por modelos aplicadas à abordagem de cadastro duplo, propondo estimadores do tipo regressão generalizado. Variáveis auxiliares são consideradas disponíveis em ambos os cadastros e utilizadas no processo de estimação para aumentar a precisão de estimativas. As propriedades de consistência, centralidade assintótica e erro quadrático médio assintótico dos novos estimadores propostos são apresentadas e uma simulação é realizada para analisar sua eficiência relativa a estimadores já propostos na literatura, sob a situação em que um plano de amostragem aleatória simples é aplicado em cada um dos cadastros. Os estimadores propostos têm potencialidade de aplicação direta em diversas áreas, como a de pesquisa agropecuária