Impacto do agrupamento preferencial de amostras na inferência estatística: aplicações em mineração

Abstract

O agrupamento preferencial de amostras é freqüente em estudos na área de mineração e geociências. A utilização de amostras para estimativas de parâmetros estatísticos da população requer que a amostragem seja representativa da área de interesse e/ou da população. Tal representatividade pode ser obtida pelo planejamento cuidadoso do sistema ou padrão de amostragem e pode ser questionada sempre que os dados não estejam igualmente dispersos pela área. Nesse estudo, foram utilizadas duas técnicas de desagrupamento: o Método da Poligonal e o Método da Célula Móvel. Analisam-se a aplicabilidade dos métodos e o impacto da amostragem preferencial sobre a estatística básica em dois bancos de dados distintos. O Método da Poligonal forneceu uma resposta direta, única e com metodologia mais facilmente compreensível pelo usuário, contribuindo favoravelmente para sua adoção. Testou-se também o método da entropia estatística para auxiliar na determinação do tamanho de célula mais apropriado, quando utilizado o Método de Células Móveis. Os dois métodos estudados apresentaram resultados estatísticos semelhantes, porém distintos dos parâmetros estatísticos calculados para os dados agrupados, atestando o viés estatístico gerado ao ignorar o efeito do agrupamento preferencial.<br>Preferential sampling or clustering is frequently found in mining and earth sciences applications. Reliable statistics for a population are obtained when representative samples are available. Such representativeness can be achieved by a proper sample design covering evenly the area. This paper investigates two declustering methods to obtain unbiased statistics where clustered samples are available, namely the polygonal and the cell-declustering method. The impact of clustering is analysed for two different datasets. Polygonal method proved to be simpler as it provides an unique solution easily to be understood by the user. In relation to the cell-declustering method, a methodology to calculate the statistical entropy was implemented to help in determining the most appropriate cell size. The two methods lead to similar declustered statistics. However the final statistics showed a large difference when compared to the statistics obtained for the clustered dataset

Improving the monitoring, control and analysis of the carbon accumulation capacity in Legal Reserves of the Amazon forest

“…Intuitively, data from densely sampled areas could receive a lower weight than those from sparsely sampled areas. Such weighting is equivalent to the ungrouping of data (Souza et al, 2001).…”

Efeito estocastico em Speckle dinamico

“…Na prática, essa diferença pode ser maximizada através da minimização de H(U c ), usando as mesmas condições apresentadas no Método da Célula Móvel, ou seja, os pesos w l são diretamente proporcionais à área de influência da amostra u l . Usa-se o mecanismo de células móveis para encontrar o grupo ótimo de pesos que minimizem H(U c ) (SOUZA, 2001).…”

Nova abordagem para a interpretação da Reserva Legal com auxílio da geoestatística.

“…Mais de 80% das publicações na literatura ecológica não consideram a estrutura de dependência espacial(DORMANN, 2007). Oda-Souza et al (2001) verificou que os métodos geoestatísticos aplicados foram adequados para verificar a existência de dependência espacial no delineamento sistemático tipo leque em dados de ensaios de espaçamento florestal. estudo da estrutura espacial dada pela análise do semivariograma não constitui o objetivo final da análise espacial, na realidade é necessário estimar os valores das variáveis em locais não amostrados visando o conhecimento da distribuição espacial de certa variável em estudo.…”