Estatstica: Aplicao ao Sensoriamento Remoto

ANO 2010
Camilo Daleles Renn
camilo@dpi.inpe.br
http://www.dpi.inpe.br/~camilo/estatistica/
Amostragem
Problema: quanto pesa, em mdia, uma folha de eucalipto?
Amostragem ou Censo?

Por que fazer amostragem?
populao infinita
diminuir custo
aumentar velocidade na caracterizao (medidas que variam no tempo)
aumentar a representatividade
melhorar a preciso (mais cuidado na obteno dos dados)
minimizar perdas por medidas destrutivas

Por que fazer censo?
populao pequena ou amostragem muito grande em relao a populao
preciso completa (no se permite erros)
a observao j completa
1 kg? 1 g? 1 g
quantas folhas tem, em mdia, um eucalipto? 2? 1.000? 1.000.000.000?
Amostragem
Quanto amostrar?
depende:
da variabilidade original dos dados (maior varincia maior n)
da preciso requerida no trabalho (maior preciso maior n)
do tempo disponvel (menor o tempo menor n)
do custo da amostragem (maior o custo menor n)

Como amostrar?
amostragem probabilstica X no probabilstica
Problema: quanto pesa, em mdia, uma folha de eucalipto? 1 kg? 1 g? 1 g
quantas folhas tem, em mdia, um eucalipto? 2? 1.000? 1.000.000.000?
Amostragem Probabilstica e No Probabilstica
Amostragem probabilstica:
cada elemento da populao tem uma probabilidade (no nula) de ser escolhido
Amostragem no probabilstica:
amostragem restrita aos elementos que se tem acesso (ex: drogados)
escolha a esmo (ex: coelhos numa gaiola, escolha de parafusos numa caixa)
impossibilidade de sorteio (ex: sangue)
amostragem intencional, sem sorteio (ex: escolha de elementos tpicos)
voluntrios (ex: testes de vacina)
Amostragem Aleatria Simples
Escolhe-se n elementos de uma populao de tamanho N
amostra = {X
1
, X
2
, ..., X
n
}
1 2
( ... )
n
P X X X =
( 1) 1
( 1) ( 1)
n n
N N N n

=
+
! 1
n n
N N
n
P C
=
(sem reposio)
( 1) 1 n n
N N N

= =
!
n
n
N
(com reposio)
Exemplo: escolher 10 pixels de uma imagem 13x17
etapas: rotular cada pixel com um cdigo nico
sortear aleatoriamente 10 cdigos
(tabelas ou geradores de nmeros aleatrios)
identificar os pixels selecionados
OBS:
mtodo mais simples
pressupe populao homognea
Amostragem Aleatria Estratificada
Primeiramente a populao (N) dividida em L sub-populaes (estratos) com
N
1
, N
2
, ..., N
L
elementos. Para cada estrato, escolhe-se n
i
elementos
aleatoriamente, totalizando n elementos.
i
n
n
L
=
i
i
N
n n
N
=
1
i i
i L
i i
i
N s
n n
N s
=
=

n
i
proporcionais a N
i
todos iguais

tamanho timo (considera a variabilidade)

Exemplo: escolher 10 pixels de uma imagem 13x17
etapas: selecionar um estrato
rotular cada pixel com um cdigo nico
sortear aleatoriamente n
i
cdigos
(tabelas ou geradores de nmeros aleatrios)
identificar os pixels selecionados
repetir o processo para todos os estratos
OBS:
usado para populao heterognea
(estratos homogneos)
Amostragem Sistemtica
Se os elementos da populao j se encontram ordenados segundo algum
critrio, pode-se selecionar um elemento qualquer e escolher um passo que
definir qual ser o prximo elemento escolhido.
1 10 20
passo = 5
Exemplo: escolher pixels de uma imagem 13x17 com
passos 5 em x e 4 em y
etapas: escolher aleatoriamente um pixel na janela
5x4 superior esquerda
com base nesse pixel, definir uma grade com
espaamento de 5x4 elementos
identificar os pixels selecionados
OBS:
amostra-se uniformemente todo o espao
Outras Amostragens
Amostragem em mltiplos estgios
talhes
amostragem sistemtica
dentro do talho
Amostragem por conglomerados
conglomerados
amostra-se todos (ou alguns)
elementos do conglomerado
Tamanho da Amostra
calculado com base no parmetro que se deseja estimar e leva em considerao as
incertezas inerentes a esta estimao:
a) variao natural dos dados (varincia populacional)
b) erros do tipo I e II

Exemplo: Deseja-se estimar a exatido de um mapa de modo que o valor estimado
no ultrapasse em 8% a exatido verdadeira (para mais ou para menos),
utilizando-se um nvel de confiana de 95%. Suponha que a exatido verdadeira
de 80%.
/ 2 / 2
1
pq pq
P z p p z
n n
o o
o
| |
< < =
|
|
\ .
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0 5 10 15 20
- +
~ 0,
pq
p p N
n
| |

|
\ .
2
o
2
o
1 o
amplitude
total
/ 2
pq
e z
n
o
=
erro mximo
de estimativa
( )
2
/ 2
2
z pq
n
e
o
=
( )
0, 08 0, 08 0,95 P p p < < =
2
2
1, 96 0, 80 0, 20
96, 04 96
0, 08
n n = = =
Tamanho da Amostra
calculado com base no parmetro que se deseja estimar e leva em considerao as
incertezas inerentes a esta estimao:
a) variao natural dos dados (varincia populacional)
b) erros do tipo I e II

Exemplo: Deseja-se testar se a exatido de um mapa no mnimo de 85%,
adotando-se 5% de nvel de significncia. Deseja-se, ainda, fixar a probabilidade
em 6% de se aceitar um mapa com 81% de exatido (erro tipo II).
0
0,02
0,04
0,06
0,08
0,1
0,12
0,14
0 5 10 15 20
0,85

o
1 o
0,81

|
H
0 H
1
0 0
0
1
p q
P p p z
n
o
o
| |
> =
|
|
\ .
0 0
0 1
1
1 1 1 1

p q
p z p
p p
n
P
p q p q
n n
o
|
| |

|

|
> =
|
|
\ .
0 0 1 1
0 1
p q p q
P z z p p
n n
| o
|
| |
+ > =
|
|
\ .
( )
( )
2
1 1 0 0
2
0 1
z p q z p q
n
p p
| o
+
>

( )
( )
2
2
1, 555 0, 81 0,19 1, 645 0, 85 0,15
0, 85 0, 81
n
+
>

126 n ~