Análise estatística de dados radioecológicos discrepantes usando o método Monte Carlo bootstrap

• Autor(a) principal: SILVA, Arykerne Nascimento Casado da
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFPE
• dARK ID: ark:/64986/001300000j46s
• Texto Completo: https://repositorio.ufpe.br/handle/123456789/10108
• topic: estatística univariada; reamostragem; radioecologia; simulação

O método de reamostragem bootstrap vem sendo estudado e utilizado desde 1979. Em Radioecologia existem dificuldades operacionais na obtenção de amostras de campo, levando o pesquisador algumas vezes a trabalhar com um número insuficiente de dados. Além disso, é frequente o surgimento de valores discrepantes nos dados amostrais. Como consequência, a análise estatística das amostras pode requerer a utilização de métodos analíticos paramétricos. O método bootstrap é executado utilizando o poder de processamento dos microcomputadores atuais. As reamostras são obtidas pelo método Monte Carlo através de um sorteio aleatório dos dados reais fornecidos, considerando que eles sejam independentes. Este trabalho foi desenvolvido com o objetivo de aplicar o método bootstrap na análise estatística de dados radioecológicos e auxiliar o pesquisador na obtenção dos estimadores mais adequados para os parâmetros populacionais. O método utiliza o aplicativo R, uma ferramenta interativa poderosa para cálculos estatísticos. A ferramenta permite também programação orientada a objetos através de interpretação. Os dados utilizados para os cálculos foram 14 concentrações do 226Ra na palma forrageira (Opuntia spp) que apresentaram variações entre 1.495 a 25.000 mBq.kg-1 na matéria seca, com média aritmética simples de 5.965,86 ± 5.903,05 mB.kg-1. A aplicação do método de reamostragem bootstrap com 1.000 iterações, através do algoritmo desenvolvido, obteve um valor médio de 6.012,85 ± 1.597,83 mBq.kg-1. Este, mais representativo que o do conjunto amostral, pois não sofreu influência dos valores discrepantes. Foi possível concluir então que o método bootstrap tem aplicação válida para a análise estatística univariada de dados radioecológicos.