Pantheon Repositório Institucional da UFRJ
Coleta, preserva e divulga a produção acadêmica digital em todas as áreas do conhecimento.
São os ativos do repositório, além de teses e dissertações da UFRJ, artigos científicos, livros eletrônicos, capítulos de livros e trabalhos apresentados em eventos por professores, pesquisadores, funcionários administrativos e alunos de mestrado e doutorado.
Use este identificador para citar ou linkar para este item:
http://hdl.handle.net/11422/6335| Tipo: | Tese |
| Título: | Análise de dados amostrais complexos utilizando redes neurais |
| Autor(es)/Inventor(es): | Pereira, Savano Sousa |
| Orientador: | Calôba, Luiz Pereira |
| Coorientador: | Silva, Pedro Luis do Nascimento |
| Resumo: | O ajuste de um modelo de Redes Neurais Artificiais (RNA) considera que os dados são provenientes de uma amostra aleatória simples com reposição. Entretanto, na prática em pesquisas amostrais a seleção de um amostra aleatória simples é raramente utilizada e esquemas amostrais mais complexos são utilizados. A amostragem complexa reflete estruturas mais complexas da população. Estas estruturas provenientes do plano amostral necessitam ser incorporadas quando ajustamos uma RNA. Na literatura estatística, existem diferentes abordagens para modelagem de dados amostrais complexos. Entretanto, a literatura relacionada a RNA não existe menção de como proceder quando os dados são provenientes de um esquema amostral complexo. Neste trabalho propomos uma abordagem de superpopulação para modelar os dados provenientes de um esquema amostral complexo fazendo o uso de RNA. A avaliação da metodologia proposta é realizada de forma empírica por meio de simulações e, posteriormente, são calculadas medidas de avaliação dos estimadores. A aplicação prática é feita utilizando os dados da Pesquisa Nacional por Amostra de Domicílio do ano de 2014. O objetivo é melhorar a estimativa da renda domiciliar per capita utilizada para a construção do Mapa de Pobreza em IBGE (2008). |
| Resumo: | The fitting of an Artificial Neural Network (ANN) considers the data coming from an simple random sample with replacement. However, in practice the selection of simple random samples for surveys is rarely used and more complex sampling schemes are used. The complex sampling schemes reflect complex structures from population. These structures of sampling scheme need to be incorporated when we fitting an ANN. In statistical literature, there are different aproaches for modelling data from complex surveys. However in the literature related to ANN there is no mention of how proceed when the data come from complex sample surveys. This work porpose an superpopulation approach for modelling data from complex survey using ANN. An evaluation of the proposed methodology is carried out empirically through simulations and, after, estimation measures are calculated. The practical application is done using data from the National Household Sample Survey for the year 2014. The objective is to improve the estimate of the per capita household income used to construct the Poverty Map in IBGE (2008). |
| Palavras-chave: | Engenharia elétrica Redes Neurais Artificiais Abordagem de superpopulação |
| Assunto CNPq: | CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA |
| Programa: | Programa de Pós-Graduação em Engenharia Elétrica |
| Unidade produtora: | Instituto Alberto Luiz Coimbra de Pós-Graduação e Pesquisa de Engenharia |
| Editora: | Universidade Federal do Rio de Janeiro |
| Data de publicação: | Set-2017 |
| País de publicação: | Brasil |
| Idioma da publicação: | por |
| Tipo de acesso: | Acesso Aberto |
| Aparece nas coleções: | Engenharia Elétrica |
Arquivos associados a este item:
| Arquivo | Descrição | Tamanho | Formato | |
|---|---|---|---|---|
| 866602.pdf | 7.42 MB | Adobe PDF | Visualizar/Abrir |
Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.