Mostrar registro simples

dc.contributor.authorSouza, Luis Eduardo dept_BR
dc.contributor.authorWeiss, Anderson Luispt_BR
dc.contributor.authorCosta, Joao Felipe Coimbra Leitept_BR
dc.contributor.authorKoppe, Jair Carlospt_BR
dc.date.accessioned2010-04-20T04:15:06Zpt_BR
dc.date.issued2001pt_BR
dc.identifier.issn0370-4467pt_BR
dc.identifier.urihttp://hdl.handle.net/10183/20939pt_BR
dc.description.abstractO 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.pt_BR
dc.description.abstractPreferential 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 celldeclustering 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 celldeclustering 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.en
dc.format.mimetypeapplication/pdfpt_BR
dc.language.isoporpt_BR
dc.relation.ispartofRem: revista escola de minas. Ouro Preto. vol. 54, n. 4 (2001), p. 257-266pt_BR
dc.rightsOpen Accessen
dc.subjectPreferential samplingen
dc.subjectGeoestatísticapt_BR
dc.subjectMineraçãopt_BR
dc.subjectDeclustering methodsen
dc.subjectStatistical entropyen
dc.titleImpacto do agrupamento preferencial de amostras na inferência estatística : aplicações em mineraçãopt_BR
dc.typeArtigo de periódicopt_BR
dc.identifier.nrb000311202pt_BR
dc.type.originNacionalpt_BR


Thumbnail
   

Este item está licenciado na Creative Commons License

Mostrar registro simples