Professional Documents
Culture Documents
103
1 Introduo
O procedimento de amostragem de conjuntos ordenados foi
elaborado para situaes em que a varivel resposta de interesse
difcil e cara de ser coletada, mas possvel fazer alguma suposio
econmica a respeito das ordens dos futuros resultados. Introduzido
por McIntyre (1952), sua grande vantagem est no aumento da preciso
da media amostral como um estimador da mdia populacional.
O processo consiste na seleo de n potenciais amostras, cada
uma de tamanho n. A seguir um profissional especializado da rea,
ordena os indivduos dentro de cada amostra atravs de valores de uma
varivel concomitante ou por algum mtodo barato. Para i = 1, ,n , na
i-sima amostra ordenada, observa-se a varivel de interesse, X ,
apenas no indivduo que obteve o posto i, obtendo-se o valor xi (i ) . A
amostra de conjuntos ordenados (ranked set sampling RSS) formada, ento, por x1( 1 ) , x2( 2 ) , , xn( n ) , onde dos n 2 indivduos selecionados, apenas n so efetivamente mensurados na quantia X . Uma
propriedade importante dos elementos dessa amostra que as
observaes xi (i ) so independentes, uma vez que cada elemento
amostral provm de uma amostra independentemente selecionada.
A mdia dos elementos da amostra de conjuntos ordenados um
estimador no viciado da mdia populacional e sua varincia menor
ou igual a varincia de uma mdia amostral de uma amostra aleatria
simples de mesmo tamanho. Esses resultados so vlidos para qualquer
tipo de distribuio.
Na literatura recente, o procedimento de amostragem de conjuntos ordenados tem sido amplamente estudado por diversos autores.
Por exemplo, na estimao de parmetros de vrias distribuies
(Muttlak & McDonald, 1990; Muttlak & McDonald, 1992; Lam et al,
1994; Bonh, 1996; Kaur et al, 1996; Samawi et al, 1996; Sinha et al,
1996; Yu & Lam, 1997; Barnett & Moore, 1997); na estimao da
funo de distribuio (Kvam & Samaniego, 1994; Stokes, 1995;
Bohn, 1996; Stokes & Sager, 1998); em testes de hipteses para duas
populaes ( Bohn & Wolfe, 1992; Bohn & Wolfe, 1994; Koti &
Babu, 1996); na estimao de parmetros em modelos de regresso
linear simples (Muttlak, 1995; Barreto & Barnett, 1999) e no planejamento de experimentos de um fator de classificao (Muttlak , 1996).
104
Entre os estimadores considerados nesses artigos, esto estimadores definidos por combinaes lineares mais gerais de observaes
de amostragem de conjunto ordenados ( Stokes,1995; Bhoj &
Ashsanullah, 1996; Sinha et al, 1996; Bhoj ,1997; Barnett & Moore,
1997 e Barreto & Barnett, 1999). Nesses trabalhos, a varivel de
interesse, X , contnua e sua distribuio pertence famlia locaoescala, isto , pode ser escrita na forma F [( X ) / ] , onde F uma
famlia de distribuies. e os estimadores obtidos so os estimadores
lineares no viciados timos na classe de combinaes lineares da
amostra de conjuntos ordenados (best linear unbiased estimators
BLUEs).
A varivel reduzida U = ( X ) / tem uma distribuio livre
de parmetros. Nesse caso as estatsticas de ordem reduzida,
U ( i ) = X ( i ) / , tm esperana i:n , varincia i:n e covarincia
E Yr ( r ) = + r :m , Var Yr ( r ) = 2 r:m e
105
106
Fr ( x ) =
n i
P ( x)[1 P( x )]ni
i
n
i =1
F1 ( x ) = 1 [1 P( x )]n e Fn ( x ) = P n ( x )
respectivamente.
Um resultado importante sobre a funo distribuio acumulada
de estatsticas de ordem dado por
Fr ( x ) = I P( x ) (r , n r + 1)
onde
p
I p (a ,b) =
0
1
0
t a1 (1 t )b1 dt
t a 1 (1 t )b1 dt
f r ( x ) = I P( x ) ( r ,n r + 1 ) I P( x 1 ) ( r ,n r + 1 ) .
107
(r:kn) =
x k f r (x) .
x =0
r:n =
[1 I
P( x ) ( r , n
r +1)
(1)
V( X( r ) ) = 2
x =0
x 1 I P( x ) ( r ,n r + 1 ) + r:n r2:n
(2)
P( x ) =
e i
i =0 i!
x
(3)
Sabe-se que a distribuio de Poisson converge para a distribuio Normal (por exemplo, Mood et al, 1974). Investigamos se as
108
ER = 100 ( N P ) / N
onde P o valor de r:n ou r:n na distribuio de Poisson e N, o
respectivo valor tabelado na Normal (Pearson & Hartley, 1976).
Para apresentar e discutir os resultados, foram selecionados
alguns valores do parmetro e tambm alguns tamanhos de amostras. Na prxima seo so comentadas as esperanas e varincias de
109
4 Resultados e discusses
valores esperados do
mnimo
20
40
60
-1
-1,5
80
100
120
n=3
n=5
n=10
n=15
n=19
-2
lambda
110
n
10
15
19
13,89
22,80
35,64
42,42
45,78
5,43
9,33
14,14
16,83
18,39
3,74
6,66
10,14
12,05
13,14
2,97
5,40
8,26
9,81
10,70
10
2,34
4,36
6,69
7,96
8,69
20
1,50
2,92
4,52
5,38
5,89
30
1,17
2,33
3,61
4,31
4,72
40
0,98
1,99
3,09
3,69
4,04
50
0,86
1,76
2,74
3,27
3,59
60
0,77
1,60
2,48
2,96
3,26
70
0,71
1,47
2,28
2,73
3,00
80
0,65
1,37
2,12
2,54
2,80
90
0,61
1,29
1,99
2,39
2,63
100
0,57
1,22
1,88
2,26
2,49
111
valores esperados
do mnimo
0
-0,5
20
40
60
80
100
120
n=3
n=5
-1
n=10
n=15
-1,5
n=19
-2
lambda
Tabela 2 Erro relativo das varincias padronizadas da primeira estatstica de ordem ( 1:n ) em amostras de tamanho n da
distribuio de Poisson com parmetro .
10
15
19
57,64
77,76
97,09
99,67
99,96
33,02
44,44
57,54
64,29
67,96
25,87
34,88
45,13
50,36
53,02
22,03
29,75
38,56
43,06
45,29
10
18,56
25,11
32,61
36,47
38,33
20
13,27
17,99
23,47
26,31
27,59
30
10,88
14,77
19,31
21,69
22,69
40
9,45
12,84
16,80
18,89
19,73
50
8,46
11,50
15,07
16,96
17,69
60
7,73
10,51
13,78
15,53
16,17
70
7,16
9,74
12,78
14,41
14,98
80
6,70
9,12
11,97
13,50
14,02
90
6,32
8,60
11,30
12,75
13,22
100
6,00
8,16
10,72
12,11
13,62
112
amostras mpares da distribuio de Poisson de parmetro . Percebese que eles convergem para o valor esperado na Normal Padro,
correspondente no grfico ao valor de igual a 110, medida que
aumenta, independente do valor de n . As linhas definidas para cada
tamanho de amostra so praticamente paralelas. Como o respectivo
valor na Normal zero, no possvel calcular o correspondente erro
relativo.
-0,04
20
40
60
80
100
120
n=3
n=5
n=11
-0,09
n=15
n=19
-0,14
lambda
son com parmetro . Percebe-se que conforme aumenta, eles convergem para as respectivas varincias da Normal Padro, correspondente no grfico ao valor de igual a 110, para o mesmo valor de
n. Podemos observar ainda o mesmo comportamento paralelo das linhas.
A quantificao da convergncia dos erros relativos dos valores
de n / 2:n esto na Tabela 3. Eles variam de 0,11% 48,39%, com
valor menor para tamanhos de amostras pequenas e maior, para ta-
113
20
40
60
80
100
120
-0,2
-0,3
-0,4
n=4
n=6
n=10
n=14
n=18
-0,5
lambda
0,6
0,5
0,4
0,3
0,2
0,1
0
n=3
n=5
n=10
n=15
n=19
0
20
40
60
80
100
120
lambda
114
n
3
10
15
19
17,32
31,49
62,72
51,62
48,39
4,28
7,95
12,03
26,19
32,71
2,46
4,68
6,23
15,38
19,68
1,73
3,32
3,94
10,93
13,97
10
1,20
2,31
2,32
7,63
9,75
20
0,59
1,15
0,62
3,81
4,86
30
0,39
0,77
0,14
2,53
3,23
40
0,29
0,58
0,07
1,90
2,42
50
0,23
0,47
0,17
1,52
1,94
60
0,19
0,39
0,23
1,26
1,61
70
0,16
0,34
0,27
1,08
1,38
80
0,14
0,30
0,29
0,95
1,21
90
0,12
0,26
0,31
0,84
1,07
100
0,11
0,24
0,32
0,76
0,96
valores esperados
dos mximos
2,5
2
1,5
1
0,5
0
n=3
n=5
n=10
n=15
n=19
0
20
40
60
80
100
120
lambda
115
Tabela 4 Erro relativo dos valores esperados padronizados da n-sima estatstica de ordem ( n:n ) em amostras de tamanho n
da distribuio de Poisson com parmetro .
n
10
0,38
5,98
12,99
16,36
18,16
1,19
4,66
8,67
10,66
11,71
15
19
1,26
3,92
7,04
8,60
9,42
1,22
3,46
6,11
7,44
8,13
10
1,14
3,00
5,24
6,35
6,93
20
0,94
2,25
3,85
4,65
5,05
30
0,82
1,88
3,20
3,86
4,18
40
0,74
1,65
2,80
3,37
3,66
50
0,68
1,49
2,53
3,04
3,29
60
0,63
1,37
2,32
2,79
3,02
70
0,59
1,27
2,16
2,60
2,81
80
0,56
1,20
2,03
2,44
2,63
90
0,54
1,13
1,92
2,31
2,49
100
0,51
1,08
1,83
2,20
2,37
116
varincias dos
mximos
n:n
1,2
1
0,8
0,6
0,4
0,2
0
n=3
n=5
n=10
n=15
n=19
0
20
40
60
80
100
120
lambda
Tabela 5 Erro relativo das varincias padronizadas da n-sima estatstica de ordem ( n : n ) em amostras de tamanho n da
distribuio de Poisson com parmetro .
10
15
19
75,76
104,43
139,22
159,04
171,33
39,83
55,00
73,27
82,88
88,91
30,06
41,46
55,07
62,17
66,72
25,08
34,55
45,81
51,65
55,45
10
20,75
28,56
37,79
42,55
45,72
20
14,45
19,85
26,18
29,40
31,66
30
11,72
16,09
21,19
23,76
25,64
40
10,12
13,88
18,26
20,45
22,11
50
9,03
12,39
16,28
18,22
19,72
60
8,24
11,29
14,83
16,58
17,98
70
7,62
10,44
13,70
15,32
16,63
80
7,12
9,76
12,80
14,30
15,55
90
6,71
9,20
12,06
13,46
14,65
100
6,37
8,72
11,43
12,75
13,90
117
5 Concluses
Em amostras de conjuntos ordenados, os momentos das estatsticas de ordem padronizadas so importantes na obteno de BLUEs.
Neste trabalho foram apresentados os resultados de um estudo sobre o
comportamento assinttico do valor esperado e da varincia de algumas estatsticas de ordem para variveis aleatrias com distribuio de
Poisson com parmetro .
Mostrou-se que os valores de mdias e varincias das estatsticas
de ordem X 1( 1 ) e X n( n ) vindos de uma distribuio Poisson com
parmetro , quando padronizadas, convergem para os valores das
esperanas e varincias das respectivas estatsticas de ordem de uma
Normal Padro, em amostras de tamanho n, a medida que se aumenta o
valor do parmetro. A variao do erro relativo pode ser considerada
baixa e sofre um acrscimo a medida que o tamanho da amostra
aumenta. Para as estatsticas de ordem do mnimo e do mximo existe
um comportamento muito semelhante e as diferenas nos erros
relativos so muito pequenas. Alm do mais, o comportamento do erro
relativo indica que a aproximao melhor para amostras de tamanho
pequeno.
Em relao aos valores de n / 2:n pde-se observar que eles se
118
Referncias bibliogrficas
BALAKRISHNAN, N. Order Statistics from discrete distributions,
Comun. Stat, Part A-Theory Meth., v.15, p.657-75, 1986.
BARNETT, V., MOORE, K. Best linear unbiased estimates in ranked
set sampling with particular reference to imperfect ordering, J. Appl.
Stat., v.24, p.697-710, 1997.
BARRETO, M. C. M., BARNETT, V. Best linear unbiased estimators
for the simple linear regression model using ranked set sampling. J.
Ecol. Environ. Stat., v.6, 119-34, 1999.
BARRETO, M. C. M. Planejamentos eficientes em pesquisa no Meio
Ambiente usando amostragem em conjuntos ordenados. Rev. Mat.
Estat., v.19, p.71-84, 2001.
119
Apndice
Funo do S-Plus para clculo dos valores esperados e varincias
das estatsticas de ordem da distribuio de Poisson
estatistica.ordem<-function(lam,r,n)
{
x<-seq(0,200,1)
px<-ppois(x,lam)
ip<-pbeta(px,r,n-r+1,ncp=0)
w<-1-ip
mi<-sum(w)
121
sigma<-2*sum(x*w)+mi-mi^2
resposta<-c(mi,sigma)
}
122