📊 estatística

An Efficient Estimator of Population Mean Using a Poisson Regression-Based Approach: Simulation and Theoretical Efficiency Analysis

Este artigo propõe e valida um novo estimador baseado em regressão de Poisson para a média populacional sob amostragem aleatória simples, demonstrando, por meio de análise teórica, estudos empíricos em saúde ambiental e segurança no transporte, e simulações, que ele supera os estimadores de razão tradicionais em termos de erro quadrático médio.

Autores originais: Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

Publicado 2026-09-28

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Rajesh Singh, Shobh Nath Tiwari, Yashveer Singh

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

No mundo da estatística, os pesquisadores frequentemente enfrentam um desafio semelhante ao de tentar adivinhar o peso médio de cada maçã em um vasto pomar sem pesá-las todas. Para fazer uma estimativa melhor, eles procuram por uma pista útil, ou "variável auxiliar", que já é conhecida para todo o pomar, como o número médio de folhas nas árvores. Se o número de folhas estiver intimamente relacionado ao peso do fruto, usar essa informação pode refinar a estimativa. Esta é a base da estimativa por razão, um método que tem sido refinado há décadas para melhorar a precisão. No entanto, essa abordagem tradicional encontra um obstáculo quando os dados sendo contados — como o número de visitas hospitalares ou acidentes de trânsito — não seguem uma curva suave e previsível. Dados de contagem frequentemente se comportam de maneira diferente, com muitos zeros e picos ocasionais que quebram as suposições dos modelos lineares padrão. Quando essas ferramentas padrão são forçadas sobre tais dados, elas podem produzir resultados impossíveis, como prever números negativos de acidentes, ou simplesmente falhar em capturar o padrão real.

Para resolver isso, uma equipe de pesquisadores da Universidade Banaras Hindu, na Índia, desenvolveu uma nova maneira de estimar médias populacionais que é especificamente projetada para dados de contagem. Em vez de forçar os dados em uma linha reta, eles utilizaram um modelo de regressão de Poisson, uma ferramenta estatística construída para lidar com contagens que variam naturalmente ao longo do tempo ou do espaço. Os pesquisadores propuseram uma nova fórmula matemática que combina essa abordagem de regressão especializada com o conceito de usar informações auxiliares. Eles testaram este novo estimador contra vários métodos existentes usando dados do mundo real de dois campos muito diferentes: poluição do ar e segurança no trânsito. Em um caso, analisaram internações hospitalares semanais por problemas respiratórios juntamente com níveis de poluição do ar; no outro, examinaram fatalidades no trânsito em relação ao número de veículos automotores em várias províncias. Os resultados foram impressionantes. No conjunto de dados de segurança no trânsito, o novo método reduziu o erro da estimativa por uma margem massiva, desempenhando-se milhares de vezes melhor do que a linha de base padrão em algumas comparações.

Os pesquisadores não pararam nos exemplos do mundo real; eles também realizaram milhares de simulações computacionais para ver como o método se sustentaria sob diferentes condições. Eles geraram populações artificiais onde a relação entre os dados de contagem e a pista auxiliar variava em força, e testaram tamanhos de amostra que iam de pequenos a moderadamente grandes. Em todos os cenários, o novo estimador superou consistentemente os métodos antigos e tradicionais. Ele produziu médias mais precisas com menos erro, independentemente de o tamanho da amostra ser pequeno ou grande, ou de quão fortemente as variáveis estavam ligadas. O estudo sugere que, para qualquer pessoa que trabalhe com dados de contagem — como epidemiologistas rastreando casos de doenças ou planejadores urbanos monitorando acidentes — esta nova abordagem oferece uma maneira significativamente mais confiável de entender a verdadeira média de uma população.

O cerne da descoberta reside em como a nova fórmula lida com a relação entre a informação conhecida e a contagem desconhecida. Os métodos tradicionais frequentemente tratam a conexão entre variáveis como uma linha reta simples, o que pode levar a erros quando os dados são enviesados ou contêm valores extremos. A nova abordagem, no entanto, utiliza um tipo específico de curva que respeita a natureza dos dados de contagem, garantindo que as previsões permançam realistas e positivas. Ao ajustar as constantes dentro desta fórmula, os pesquisadores encontraram um "ponto ideal" que minimiza a diferença entre a média estimada e a média real. Em seus testes com dados reais, o novo método alcançou um nível de precisão que os antigos estimadores de razão simplesmente não consegiam igualar. Por exemplo, ao analisar mortes por acidentes de trânsito, o novo estimador foi quase vinte e três vezes mais eficiente do que o método padrão usado como linha de base, o que significa que exigiu muito menos dados para alcançar o mesmo nível de certeza.

Embora o estudo tenha focado em conjuntos de dados específicos e cenários simulados, as implicações para a prática estatística são claras. Os autores demonstram que manter os métodos lineares tradicionais para dados de contagem pode levar a resultados subótimos, e que mudar para um modelo de regressão projetado para contagens pode melhorar dramaticamente a precisão. Eles reconhecem que seu trabalho é um passo à frente, mas não a palavra final. Os pesquisadores apontam que trabalhos futuros poderiam abordar situações ainda mais complexas, como dados com um número excessivo de zeros ou valores ausentes, adaptando seu método para modelos mais especializados. Por enquanto, o estudo fornece uma ferramenta robusta e testada para melhorar a precisão das estimativas populacionais em campos onde a contagem de eventos é essencial, oferecendo um quadro mais claro da realidade do que os métodos atualmente em uso generalizado.

Resumo Técnico: Um Estimador Eficiente da Média Populacional Utilizando uma Abordagem Baseada em Regressão de Poisson

Definição do Problema
Na teoria de amostragem, estimar a média populacional é um objetivo primário, frequentemente aprimorado pela utilização de informações auxiliares. Embora os estimadores de razão e de regressão sejam padrões quando existe uma relação positiva entre as variáveis de estudo e auxiliares, os modelos de regressão linear clássicos são frequentemente inapropriados para dados de contagem. Modelos lineares podem produzir previsões negativas e violar o pressuposto de variância constante, o que é crítico para testes de hipóteses. Embora a regressão de Poisson seja o padrão para modelar respostas de contagem, há uma necessidade de estimadores mais eficientes da média populacional que aproveitem especificamente a estrutura da regressão de Poisson sob Amostragem Aleatória Simples (AAS), particularmente quando estimadores concorrentes (como os de Kadilar e Cingi ou Koç) podem não explorar plenamente as propriedades distributivas dos dados de contagem.

Metodologia
O estudo propõe um novo estimador para a média populacional, denotado por $Z^*$ , projetado para uso em AAS com dados de contagem. A metodologia procede da seguinte forma:

Estrutura Teórica: O estudo utiliza um modelo de regressão de Poisson onde a variável de estudo $Y_i$ representa contagens de eventos seguindo uma distribuição de Poisson. O coeficiente de inclinação ( $b_P$ ) é derivado deste modelo de regressão de Poisson em vez da regressão de mínimos quadrados tradicional.
Construção do Estimador Proposto: Inspirado por Raghav et al. e Koç, os autores definem o novo estimador $Z^*$ como uma combinação de um termo de razão modificado e um termo de regressão, incorporando uma função exponencial da razão entre a diferença e a soma das médias das variáveis auxiliares:
$Z^* = \left[ \alpha \bar{y} \left\{ \frac{1}{2} \left( \frac{\bar{X}}{\bar{x}} + \frac{\bar{x}}{\bar{X}} \right) \right\} + b_P(\bar{X} - \bar{x}) \right] \exp\left( \frac{\bar{X} - \bar{x}}{\bar{X} + \bar{x}} \right)$
Aqui, $\alpha$ é uma constante escalar determinada pela minimização do Erro Quadrático Médio (EQM).
Derivação de Propriedades: Utilizando aproximação de primeira ordem e termos de erro ( $\epsilon_0, \epsilon_1$ ), os autores derivam as expressões para o Viés e o EQM de $Z^*$ . O EQM é expresso na forma $MSE(Z^*) = \alpha^2 A + \alpha B + C$ . O valor ótimo de $\alpha$ é encontrado minimizando esta expressão ( $\alpha = -B/2A$ ), resultando no EQM mínimo: $MSE_{min} = C - B^2/4A$ .
Análise Comparativa: A eficiência teórica de $Z^*$ $Z^{*}$ é comparada contra:
- Estimadores de razão tradicionais de Kadilar e Cingi ( $\bar{y}_{KC1}$ a $\bar{y}_{KC5}$ ).
- Estimadores de razão baseados em regressão de Poisson de Koç ( $\bar{y}_1$ a $\bar{y}_5$ ).
- Um estimador de média baseado em regressão de Poisson de Shahzad et al. ( $\bar{y}_U$ ).
- Estimadores de razão-cum-regressão baseados em regressão de Poisson de Jana et al. ( $Z_1$ a $Z_5$ ).

Principais Contribuições e Resultados
O artigo valida o estimador proposto através de estudos empíricos utilizando conjuntos de dados do mundo real e extensos estudos de simulação.

Estudo Empírico: Duas populações reais foram analisadas:
1. População I: Dados de poluição do ar (Afyon, Turquia), ligando internações hospitalares semanais ( $Y$ ) aos níveis de PM10 ( $X$ ).
2. População II: Dados de acidentes de trânsito (Turquia, 2019), ligando mortes no trânsito ( $Y$ ) ao número de veículos automotores ( $X$ ).
  Em ambos os casos, o estimador proposto $Z^*$ demonstrou o menor Erro Quadrático Médio (EQM) e a maior Eficiência Relativa Percentual (ERP). Para a População II, $Z^*$ alcançou uma ERP de 2323,13% em relação ao estimador convencional $\bar{y}_1$ , superando significativamente todos os estimadores concorrentes.
Estudo de Simulação: Uma simulação foi conduzida usando o software R com uma população finita ( $N=1000$ ) onde $X$ seguiu uma distribuição uniforme e $Y$ seguiu uma distribuição de Poisson com $\lambda = \exp(\beta_0 + \beta_1 X)$ . O estudo variou os tamanhos de amostra ( $n=20, 30, 40$ ) e os coeficientes de regressão ( $\beta_1 = 0,75, 0,85, 0,95$ ).
- Em todos os cenários, $Z^*$ consistentemente apresentou o EQM mínimo e a máxima ERP em comparação com os estimadores de Kadilar e Cingi, Koç e Jana et al.
- Os resultados confirmaram que, à medida que o tamanho da amostra aumentava, o EQM diminuía para todos os estimadores, mas o estimador proposto mantinha uma eficiência superior.

Significância e Alegações
Os autores alegam que o estimador proposto $Z^*$ oferece uma melhoria estatisticamente significativa sobre os métodos existentes para estimar a média populacional de dados de contagem. O estudo afirma que:

A derivação teórica do viés e do EQM fornece uma base robusta para o desempenho do estimador.
Os resultados empíricos e de simulação validam que $Z^*$ é mais eficiente do que os estimadores de razão tradicionais e outras abordagens de regressão de Poisson atualmente na literatura.
O uso da função exponencial e a combinação específica de termos de razão e regressão dentro da estrutura de Poisson captura efetivamente a relação entre as variáveis de estudo e auxiliares para dados de contagem.

O artigo conclui que o $Z^*$ é recomendado para analisar conjuntos de dados de contagem onde informações auxiliares estão disponíveis. Os autores sugerem modestamente que trabalhos futuros poderiam estender esta metodologia para lidar com sobredispersão, excesso de zeros (via modelos de inflação de zeros), dados faltantes e outros desenhos amostrais como amostragem estratificada ou de conjuntos ordenados, mas não alegam que tais extensões foram alcançadas no presente estudo.

Resumo Técnico: Um Estimador Eficiente da Média Populacional Utilizando uma Abordagem Baseada em Regressão de Poisson

Mais como este