Amostragem intencional

Detalhes bibliográficos
Autor(a) principal: Catia Yumi Nagae
Data de Publicação: 2007
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://doi.org/10.11606/D.45.2007.tde-06122007-205037
Resumo: Neste trabalho apresentamos o método de amostragem intencional via otimização. Tal método baseia-se na fundamentação de que devemos controlar a seleção amostral sempre que houver conhecimento suficiente para garantir boas inferências de quantidades conhecidas e de alguma forma correlacionadas com aquelas desconhecidas e de interesse. Para a resolução dos problemas de otimização foram utilizadas técnicas de programação linear. Três aplicações foram apresentadas e em todas elas notou-se que o procedimento de amostragem intencional produziu amostras com bom balanceamento entre as composições amostrais e de referência.
id USP_5274a35ac2fe3f8c7b98f9ac2df166f9
oai_identifier_str oai:teses.usp.br:tde-06122007-205037
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesis Amostragem intencional Intentional Sampling 2007-09-26Carlos Alberto de Braganca PereiraAirlane Pereira AlencarFrancisco Louzada NetoCatia Yumi NagaeUniversidade de São PauloEstatísticaUSPBR amostragem intencional intentional optimization otimização sampling Neste trabalho apresentamos o método de amostragem intencional via otimização. Tal método baseia-se na fundamentação de que devemos controlar a seleção amostral sempre que houver conhecimento suficiente para garantir boas inferências de quantidades conhecidas e de alguma forma correlacionadas com aquelas desconhecidas e de interesse. Para a resolução dos problemas de otimização foram utilizadas técnicas de programação linear. Três aplicações foram apresentadas e em todas elas notou-se que o procedimento de amostragem intencional produziu amostras com bom balanceamento entre as composições amostrais e de referência. In this work we present the method of intentional sampling by optimization. Such method is based on the fact that we must control the sampling selection whenever we have enough knowledge to guarantee good inferences of known quantities and somehow correlated with those interesting and unknown ones. Linear programming techniques were used to solve the optimization problems. Three applications were presented and all of them produced samples with good balancing properties related to the referenced populations. https://doi.org/10.11606/D.45.2007.tde-06122007-205037info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T18:21:25Zoai:teses.usp.br:tde-06122007-205037Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212023-12-22T12:15:04.759009Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.pt.fl_str_mv Amostragem intencional
dc.title.alternative.en.fl_str_mv Intentional Sampling
title Amostragem intencional
spellingShingle Amostragem intencional
Catia Yumi Nagae
title_short Amostragem intencional
title_full Amostragem intencional
title_fullStr Amostragem intencional
title_full_unstemmed Amostragem intencional
title_sort Amostragem intencional
author Catia Yumi Nagae
author_facet Catia Yumi Nagae
author_role author
dc.contributor.advisor1.fl_str_mv Carlos Alberto de Braganca Pereira
dc.contributor.referee1.fl_str_mv Airlane Pereira Alencar
dc.contributor.referee2.fl_str_mv Francisco Louzada Neto
dc.contributor.author.fl_str_mv Catia Yumi Nagae
contributor_str_mv Carlos Alberto de Braganca Pereira
Airlane Pereira Alencar
Francisco Louzada Neto
description Neste trabalho apresentamos o método de amostragem intencional via otimização. Tal método baseia-se na fundamentação de que devemos controlar a seleção amostral sempre que houver conhecimento suficiente para garantir boas inferências de quantidades conhecidas e de alguma forma correlacionadas com aquelas desconhecidas e de interesse. Para a resolução dos problemas de otimização foram utilizadas técnicas de programação linear. Três aplicações foram apresentadas e em todas elas notou-se que o procedimento de amostragem intencional produziu amostras com bom balanceamento entre as composições amostrais e de referência.
publishDate 2007
dc.date.issued.fl_str_mv 2007-09-26
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://doi.org/10.11606/D.45.2007.tde-06122007-205037
url https://doi.org/10.11606/D.45.2007.tde-06122007-205037
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade de São Paulo
dc.publisher.program.fl_str_mv Estatística
dc.publisher.initials.fl_str_mv USP
dc.publisher.country.fl_str_mv BR
publisher.none.fl_str_mv Universidade de São Paulo
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1794502528342163456

Registros relacionados