Amostragem inversa de Bernoulli e aplicações

Detalhes bibliográficos
Ano de defesa: 2022
Autor(a) principal: ALENCAR FILHO, Paulo Ricardo Peixoto de
Orientador(a): FERRAZ, Cristiano
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Estatistica
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Link de acesso: https://repositorio.ufpe.br/handle/123456789/45494
Resumo: A ausência de uma listagem, ou cadastro, que identifique e dê acesso aos elementos da população-alvo é uma das adversidades mais recorrentes enfrentadas em levantamentos amostrais. Quando cadastros estão disponíveis, não raro necessitam ser atualizados para serem utilizados. Quando os elementos da população-alvo estão agrupados em conglomerados, o desafio recai com frequência na ausência ou desatualização de listagens de elementos dentro de cada conglomerado. Investir tempo para atualização de tais listagens, embora necessário, pode não ser uma opção, como pôde ser sentido, durante a pandemia de COVID-19 no Brasil, em que pesquisas sorológicas precisavam ser realizadas com a maior brevidade possível, dada a velocidade de contágio do vírus SARS-CoV-2. Consequentemente, estudar planos amostrais que permitam selecionar amostras ao mesmo tempo em que um cadastro seja atualizado, é de grande utilidade. Nesta dissertação, o plano de amostragem inversa de Bernoulli é apresentado, suas propriedades estatísticas discutidas, e o potencial de seu uso no segundo estágio de planos amostrais de dois estágios, para selecionar a amostra durante o processo de atualização do cadastro, investigado. O desempenho de planos em dois estágios combinando o uso de Amostragem de Pareto ou Amostragem Sequencial de Poisson no primeiro estágio, com Amostragem Inversa de Bernoulli ou Amostragem Sistemática no segundo estágio, é estudado por meio de um experimento computacional de Monte Carlo utilizando dados da Pesquisa Sorológica Continuar Cuidando, realizada no Estado da Paraíba, para monitoramento da epidemia de COVID-19.