Compatibilidade das amostragens convencional e sequencial na estimação da proporção da distribuição binomial

  • Diullay Cássia Venâncio Amaral
  • Carla R G Brighenti
Palavras-chave: Bernoulli, Simulação, SPRT, Correlação.

Resumo

Objetivou-se verificar a compatibilidade entre as abordagens convencional e sequencial para a estimação do parâmetro proporção da distribuição Binomial. Foi desenvolvido no software R, scripts para realizar a simulação de dados e posterior estimação do parâmetro proporção sob as duas abordagens. Diferentes cenários de simulação foram avaliados a partir dos parâmetros (0,3; 0,4; 0,5; 0,6; 0,7; 0,8 e 0,9) e taxas de erro α = 5% com n=20, 50, 100 e 200 para a abordagem convencional e α = 5% e β=5% para a abordagem sequencial, totalizando 28 cenários. A amostragem convencional é caracterizada por necessitar de um número de amostras fixo determinado antes do processo de amostragem, sendo assim, seus resultados foram avaliados após o término de todas as amostras simuladas. Já no caso da amostragem sequencial, foi necessário utilizar um número variável de unidades amostrais, então, resultados parciais foram obtidos no decorrer da simulação da amostragem a fim de auxiliar na decisão de concluir o experimento. Para verificação de desvios na validação das abordagens, realizou-se avaliação de tendências, cálculo do erro percentual, amplitude das variâncias e cálculo da esperança matemática. Percebeu-se que há maior compatibilidade entre as estimativas convencional e sequencial quando os tamanhos de amostra são menores. As maiores porcentagens de erro entre abordagens foram obtidas nos cenários com valores de proporção próximos ao limite inferior do domínio de existência desta. Houve em média 51% de correlação entre as estimativas obtidas nos cenários avaliados.

Referências

BARBOSA, J.C. A amostragem seqüencial, In: FERNANDES, O.A.; CORREIA, A.C.B.; de BORTOLI, S.A.(ed.), Manejo integrado de pragas e nematóides. Jaboticabal: FUNEP,1992. p. 205-211.

CARARI, M. L.; LIMA, P. C.; FERREIRA, D. F.; CIRILLO, M. A. Estimate of differences among two binomial proportions through bootstrap. Rev. Bras. Biom., São Paulo, v. 28, n.3, p.112-134, 2010.

COCCO, A.; SERRA, G.; LENTINI, A.; DELIPERI, S.; DELRIO, G. Spatial distribution and sequential sampling plans for Tuta absoluta (Lepidoptera: Gelechiidae) in greenhouse tomato crops. Pest Management Science, v. 71, p.1311-1323, 2015.

FERNANDES, M.; BUSOLI, A. C.; BARBOSA , J. C. Amostragem sequencial de Spodoptera frugiperda (J. E. Smith, 1797) (Lepidoptera, Noctuidae) em algodoeiro. R. bras. Agrociência, v. 8, n. 3, p. 213-218, 2002.

GARTHWAITE, P. H.; JOLLIFFE, I.; BYRON, J. Statistical inference. 2.ed. London: Prentice

Hall, 1995. p.114-131.

KOGAN, M.; HERZOG, D.C. Sequential sampling. In:KOGAN, M. & HERZOG, D.C. Sampling methods in soybean entomology. New York: Springer-Verlag, 1980,p.65-97.

LIU, Y.; CHEN, Y.; CHENG, J. A comparative study of optimization methods and conventional methods for sampling design in fishery-independent surveys. ICES Journal of Marine Science, storebo, v. 66, p. 1873-1882, 2009.

MAROTTI , J.; GALHARDO, A. P..M.; FURUYAMA, R. J.; PIGOZZ, M. N.; CAMPOS, T. N.; LAGANÁ, D. C. Amostragem em pesquisa clínica: tamanho da amostra. Revista de Odontologia da Universidade Cidade de São Paulo, v. 20, n.2, p. 186-194, 2008.

R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Austria. 2018. ISBN 3-900051-07-0, URL http://www.R-project.org/.

SILVA, L C. Stochastic simulation of the dynamic behavior of grain storage facility. Tese (Doutorado em Engenharia Agrícola.) Universidade Federal de Viçosa. Viçosa: MG.2002.

STRAPASSON, E.; COLOSIMO, E.A; GIOLO, S.R. A simulation study to compare imputation methods to handle grouped data survival, Revista Brasileira de Biometria, 2009.

WALD, A. Sequential analysis. New York: J. Wiley & Sons, Inc., 1947. 212p.

Publicado
29-07-2019