Novo método estatístico analisa pequenas amostras de dados

Redação do Site Inovação Tecnológica - 12/04/2004

A quase totalidade das pesquisas científicas trabalha analisando dados coletados de experiências. Mas alguns dados podem ser difíceis de serem coletados ou essa coleta pode ser muito cara. Para esse tipo de dados, uma nova técnica estatística desenvolvida no Instituto de Tecnologia da Geórgia (Estados Unidos), poderá fornecer informações úteis a partir de uma amostra pequena de informações.

O Dr. Brani Vidakovic e o estudante Bin Shi desenvolveram a técnica batizada de "wavestrapping", que poderá ter aplicações em ciências geofísicas, bioinformática, imagens médicas e nanotecnologia, entre outras. Ela pode também ser útil para a obtenção de informações de pequenos conjuntos de dados, como acontece em diagnósticos médicos. A foto mostra a experiência que os dois pesquisadores fizeram analisando o movimento da pupila, um avançado método de diagnóstico médico.

O novo método se baseia nas "wavelets", funções matemáticas que estão se tornando muito importantes para os pesquisadores devido à sua capacidade de analisar conjuntos de dados que são difíceis de se entender utilizando-se as técnicas tradicionais, como as transformadas de Fourier.

A "wavestrapping" foi lançada por pesquisadores da Universidade de Washington, que aplicaram transformadas wavelets em uma técnica tradicional de amostragem conhecida como "bootstrapping", que é utilizada para extrair-se informações adicionais de volumes pequenos de dados. O casamento da "bootstrapping" e das "wavelets" ofereceu uma nova ferramenta para a análise de conjuntos de dados que seriam difíceis de se estudar utilizando-se correlação e análises temporais.

"A novidade aqui é a re-amostragem, mas não no tempo, que poderia ser praticamente impossível devido à forte dependência de dados ou da correlação de dados," explica o Dr. Vidakovic. "Transferindo-se os dados para o domínio das wavelets, aplicando métodos de re-amostragem e então retornando o dados re-amostrados como variantes no tempo, você pode então proceder como se você tivesse um agrupamento de dados ao invés de um conjunto simples."

Um exemplo da utilização da nova técnica é o estudo de turbulências atmosféricas, nos quais um vôo adicional para se coletar mais dados em condições similares pode ser impossível. Outro exemplo é a análise rápida de alterações no diâmetro da pupila, que pode revelar indícios da saúde dos pacientes.