Estudo por simula o Monte Carlo de um estimador robusto utilizado na inferência de um modelo binomial contaminado = A Monte Carlo simulation study of a robust estimator used in the inference of a contaminated binomial model

A inferencia estatistica em populacoes binomiais contaminadas esta sujeita a erros grosseiros de estimacao, uma vez que as amostras nao sao identicamente distribuidas. Por esse problema, este trabalho tem por objetivo determinar qual a melhor constante de afinidade (c1) que proporcione melhor desempenho em um estimador pertencente a classedos estimadores-E. Com esse proposito, neste trabalho, foi utilizada a metodologia, considerando-se o metodo de simulacao Monte Carlo, no qual diferentes configuracoes descritas pela combinacao de valores parametricos, niveis de contaminacao e tamanhos de amostra foram avaliados. Concluiu-se que, para alta probabilidade de mistura ( á = 0,40), recomenda-se assumir c1 = 0,1 nas situacoes de grandes amostras (n = 50 e n = 80). The statistical inference in binomial population is subject to gross errors of estimate, as the samples are not identically distributed. Due to this problem, this work aims to determine which is the best affinity constant (c1) that provides the best performance in the estimator, belonging to the class of E-estimators. With that purpose, the methodology used in this work was applied considering the Monte Carlo simulation method, in which different configurations described by combination of parametric values, levels of contamination and sample sizes were appraised. It was concluded that for the high probability of contamination ( á = 0.40), c1 = 0.1 is recommended in cases with large samples (n = 50 and n = 80).