<link rel="stylesheet" href="styles.f3b1fba60ec7970c.css">
ATENÇÃO: O depósito de novas publicações está temporariamente suspenso.

Model-based inference for rare and clustered populations from adaptive cluster sampling using auxiliary variables

dc.contributor.advisorGonçalves, Kelly Cristina Mota
dc.contributor.advisorCo1Pereira, João Batista de Morais
dc.contributor.advisorCo1Latteshttp://lattes.cnpq.br/5251604111283337pt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/1715326722961736pt_BR
dc.contributor.referee1Abanto-Valle, Carlos Antonio
dc.contributor.referee1Latteshttp://lattes.cnpq.br/9838297784485811pt_BR
dc.contributor.referee2Moura, Fernando Antonio da Silva
dc.contributor.referee2Latteshttp://lattes.cnpq.br/7139199699142105pt_BR
dc.contributor.referee3Silva, Pedro Luis do Nascimento
dc.contributor.referee3Latteshttp://lattes.cnpq.br/9690266874045176pt_BR
dc.creatorSouza, Izabel Nolau de
dc.creator.Latteshttp://lattes.cnpq.br/9314920149942265pt_BR
dc.date.accessioned2025-07-23T22:00:10Z
dc.date.available2026-05-16T03:00:25Z
dc.date.issued2020-04-30
dc.description.abstractRare populations, such as endangered animals and plants, drug users, and individuals with rare diseases, tend to cluster in regions. Adaptive cluster sampling is generally applied to obtain information from clustered and sparse populations, as it increases survey effort in areas where individuals of interest are observed. This work aims to propose a unit-level model that assumes counts are related to auxiliary variables, improving the sampling process by assigning different weights to the cells and accounting for spatial structure. The proposed model fits rare and clustered populations distributed over a regular grid within a Bayesian framework. The approach is compared to alternative methods using simulated data and a real experiment in which adaptive samples were drawn from an African buffalo population in a 24,108 km² area of East Africa. Simulation studies show that the model is efficient under several settings, validating the methodology proposed in this dissertation for practical applications.pt_BR
dc.description.resumoPopulações raras, como animais e plantas em extinção, usuários de drogas e indivíduos com doenças raras, tendem a se concentrar em determinadas regiões. A amostragem adaptativa por conglomerados é geralmente aplicada para obter informações dessas populações esparsas e agrupadas, pois aumenta o esforço de amostragem nas áreas onde os indivíduos de interesse são observados. Este trabalho tem como objetivo propor um modelo em nível de unidade que assume que as contagens estão relacionadas a variáveis auxiliares, melhorando o processo de amostragem ao atribuir pesos diferentes às células e incorporando a estrutura espacial. O modelo proposto se ajusta a populações raras e agrupadas, distribuídas em uma grade regular, dentro de uma abordagem Bayesiana. A metodologia é comparada com métodos alternativos por meio de dados simulados e de um experimento real, no qual amostras adaptativas foram coletadas de uma população de búfalos-africanos em uma área de 24.108 km² no leste da África. Os estudos de simulação mostram que o modelo é eficiente em diversos cenários, validando a metodologia proposta nesta dissertação para aplicações práticas.pt_BR
dc.embargo.termsabertopt_BR
dc.identifier.urihttp://hdl.handle.net/11422/26436
dc.languageengpt_BR
dc.publisherUniversidade Federal do Rio de Janeiropt_BR
dc.publisher.countryBrasilpt_BR
dc.publisher.departmentInstituto de Matemáticapt_BR
dc.publisher.initialsUFRJpt_BR
dc.publisher.programPrograma de Pós-Graduação em Estatísticapt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectAmostragem informativapt_BR
dc.subjectMétodos MCMCpt_BR
dc.subjectAmostragem espacialpt_BR
dc.subjectModelo com inflação de zerospt_BR
dc.subjectInformative samplingpt_BR
dc.subjectMCMCpt_BR
dc.subjectSpatial samplingpt_BR
dc.subjectZero-inflated modelpt_BR
dc.subject.cnpqCNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICApt_BR
dc.titleModel-based inference for rare and clustered populations from adaptive cluster sampling using auxiliary variablespt_BR
dc.typeDissertaçãopt_BR

Arquivos

Pacote original

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
PPGE_M_Nolau_compressed.pdf
Tamanho:
2,34 MB
Formato:
Adobe Portable Document Format

Pacote de licença

Agora exibindo 1 - 1 de 1
Carregando...
Imagem de Miniatura
Nome:
license.txt
Tamanho:
1,81 KB
Formato:
Item-specific license agreed upon to submission
Descrição:

Coleções