A reconciliação de dados, o erro de medição com viés, o estimador robusto LTD, o engenheiro, e uma ideia dele

Devido ao erro aleatório inerente aos processos de medição, é usual haver inconsistência entre medições e princípios físicos e químicos básicos. A técnica estatística de estimação que permite obter estimativas dos verdadeiros valores das medições ajustados às leis físicas é conhecida como reconciliação de dados. Um problema que afecta as técnicas de reconciliação clássicas é a presença de outliers nos dados. Um outro problema importante é a existência de viés nas medições, o que ocorre com a inevitável descalibração dos instrumentos de medição. O estimador robusto least trimmed differences (LTD) é inerentemente insensível ao viés dos dados. Daqui decorre o interesse na investigação da sua aplicabilidade ao problema de reconciliação de dados. Sendo um estimador em que o grau de aparamento é fixo a priori, isto limita o grau de eficiência que é possível obter. Uma abordagem possível para contornar este problema é a extensão de uma regra adaptativa proposta por Gervini e Yohai em 2002. Na primeira parte, farei a exposição do problema de reconciliação de dados para sistemas dinâmicos não-lineares, e apresentarei um esboço do ataque deste problema com o estimador LTD. Na segunda parte, apresentarei os resultados de uma simulação de Monte Carlo em que uma pequena variação na regra adaptativa de Gervini e Yohai é aplicada ao estimador least trimmed squares (LTS) e a um estimador de norma-$L_p$ aparado. Além disso, estes estimadores adaptativos são comparados com o estimador MM e o estimador TAU.