Untitled - UFRJ

Estimadores Lineares Bayesianos em Amostragem dePopulação FinitaKelly Cristina Mota GonçalvesUniversidade Federal do Rio de JaneiroFernando Antônio da Silva MouraUniversidade Federal do Rio de JaneiroHelio dos Santos MigonUniversidade Federal do Rio de JaneiroNa teoria de amostragem de população finita, baseada na aleatorização induzida pelo plano amostral,o objetivo principal é produzir estimativas pontuais das quantidades de interesse e suas respectivasvariâncias. Esta metodologia não tem se mostrada adequada para tratar algumas situações práticas epara estas a utilização de modelos de superpopulação tem sido inevitável. Neste caso há também apossibilidade de se empregar a inferência Bayesiana, com o objetivo de incluir informações a priori sobreos hiperparâmetros do modelo de superpopulação proposto.Sem a necessidade de uma eliciação completa da distribuição a priori, a inferência Bayesiana baseadano método linear de Bayes trata-se de um procedimento alternativo a aleatorização. Esta modelagemenfraquece ao máximo as hipóteses do desenho amostral caracterizando-o somente com hipóteses sobre oprimeiro e segundo momentos. É uma modelagem robusta, no sentido que está a meio caminho entre duasideias extremas: de um lado os procedimentos de aleatorização e de outro modelos de superpopulação.Neste sentido, está a importância de hipóteses de permutabilidade, e em particular permutabilidade desegunda ordem, caracterizada como conhecimento a priori acerca de estruturas eficientes na população.Estes modelos robustos têm, portanto, estruturas flexíveis, que permitem assumir dependência entreindíviduos, estratos, conglomerados, entre outros.Este trabalho trata de extensões de inferência Bayesiana, baseadas no método linear de Bayes, nocontexto de estimação em população finita. O método será aplicado a um modelo de regressão simplesgeral e serão descritos casos particulares que resultam em estimadores para alguns planos amostrais frequentes,além de estimadores do tipo razão e regressão e para dados categóricos. Em seguida, partiremospara modelos mais estruturados na família exponencial comparando as predições que são obtidas quandose usa inferência Bayesiana, baseada no método linear de Bayes, e inferência clássica. Finalmente, estesmodelos serão utilizados em uma aplicação a dados de pequenas áreas.86