Defesa de Tese de Doutorado de João Gabriel Malaguti Sobrinho

 A Escola Nacional de Ciências Estatísticas convida para a Defesa de Tese de Doutorado intitulada:

Metodologias da Amostragem Bola-de-Neve e de Respondent-Driven Sampling: Visões de um objeto por três lentes

Aluno: João Gabriel Malaguti Sobrinho

Data: 07 de julho de 2026 – Terça-Feira

Horário:09h00m

Local:Sala 207

Clique aqui

Resumo: Esta tese se propõe a examinar, por três maneiras distintas, dois planos amostrais que visam se aproveitar das relações sociais já existentes de elementos da população de interesse para se produzir uma amostra: amostragem bola-de-neve e respondent-driven sampling (RDS). O primeiro artigo trata de caracterizações conflitantes dos planos e de suas características na literatura, buscando melhor entender as origens de tais conflitos e propor soluções baseadas em uma literatura melhor consolidada. O segundo artigo, que realiza uma revisão sistemática da produção dos Institutos Nacionais de Estatística (INEs) que utilizam de nossos objetos de estudo. O terceiro artigo, por sua vez, se utiliza de simulação Monte Carlo para criar diversos estudos que visam melhor compreender os efeitos de três tipos de aspectos: os componentes dos métodos, as suposições do estimador mais utilizado, e não contato. Para o primeiro encontramos que, de acordo com as definições canônicas de “plano amostral probabilístico”, RDS deveria ser classificado como não probabilístico. Segundo que, baseado em um entendimento construído RDS e amostragem bola-de-neve deveriam ser considerados métodos distintos, pois se baseiam em conceitos diferentes para caracterizar os respectivos planos amostrais. Em relação à produção dos INEs, encontramos 16 publicações em 5 línguas que demonstram que o interesse nos métodos é antigo, mas ainda tímido. Apesar das dificuldades na busca, os documentos encontrados apontam possibilidades e limitações para pesquisas futuras não só por parte dos INEs. As simulações Monte Carlo indicaram que existe tanto um mínimo para o tamanho da amostra inicial quanto para o número de indicações para que amostras viáveis sejam consistentemente alcançadas. Em relação à estimação, uma conclusão geral é que o estimador RDS-II é bom na correção do viés, mas esses efeitos dependem da variável estar correlacionada com o número de pessoas que o respondente diz conhecer. Os mecanismos de seleção, tanto para a amostra inicial quanto para indicações, influenciaram a estimativa, com os cenários com seleção aleatória apresentando melhor desempenho do que aqueles com seleção proporcional.
Finalmente, a amostragem sem reposição, apesar de violar uma suposição do estimador,apresentou erros menores e níveis de cobertura melhores.

Palavras-Chave: Amostragem não probabilística. Hermenêutica. Revisão sistemática.Simulação Monte Carlo.

Banca Examinadora: 

Dr.Gustavo da Silva Ferreira (ENCE/IBGE) Orientador

Dra.Andrea Diniz da Silva (ENCE/IBGE)

Dra.Maria Luiza Guerra Toledo (ENCE/IBGE)

Dr.Marcel de Toledo Vieira (UFJF)

Dr.Gilvan Ramalho Guedes ( UFMG)

Coordenação de Pós-Graduação

Ana Carolina Soares Bertho