Return to search

Metodologia para subamostragem em grandes bancos de dados amostrais complexos para realização de testes de hipóteses

Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017. / Submitted by Raquel Almeida (raquel.df13@gmail.com) on 2017-12-18T17:47:08Z
No. of bitstreams: 1
2017_GilbertoRezendedeAlmeidaJunior.pdf: 993090 bytes, checksum: 4e9a2f4bb4f74621692a969251deeba3 (MD5) / Approved for entry into archive by Raquel Viana (raquelviana@bce.unb.br) on 2018-02-15T18:47:41Z (GMT) No. of bitstreams: 1
2017_GilbertoRezendedeAlmeidaJunior.pdf: 993090 bytes, checksum: 4e9a2f4bb4f74621692a969251deeba3 (MD5) / Made available in DSpace on 2018-02-15T18:47:41Z (GMT). No. of bitstreams: 1
2017_GilbertoRezendedeAlmeidaJunior.pdf: 993090 bytes, checksum: 4e9a2f4bb4f74621692a969251deeba3 (MD5)
Previous issue date: 2018-02-15 / 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. / 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.

Identiferoai:union.ndltd.org:IBICT/oai:repositorio.unb.br:10482/31237
Date27 October 2017
CreatorsAlmeida Junior, Gilberto Rezende de
ContributorsSilva, Alan Ricardo da
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UnB, instname:Universidade de Brasília, instacron:UNB
RightsA 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., info:eu-repo/semantics/openAccess

Page generated in 0.0025 seconds