Neste trabalho discutimos problemas de inferência em populações finitas focando nossa atenção em estimadores ótimos sob modelos probabilísticos baseados no planejamento, incluindo amostragens com um e dois estágios. Os parâmetros de interesse são combinações lineares das variáveis envolvidas nos modelos probabilísticos e os estimadores são combinações lineares das variáveis observáveis após a amostragem. A metodologia desenvolvida permite obter estimadores ótimos da mesma forma que o enfoque baseado em superpopulações. A introdução de erro gaussiano no modelo posiciona o problema no mesmo contexto dos modelos lineares clássicos e, em situações onde é possível observar várias vezes uma mesma unidade, a teoria de modelos mistos pode ser empregada. Resolvemos a controvérsia nos modelos mistos definições dos efeitos de interesse que levam em consideração as deiferentes fontes de aleatoriedade e que podem ser aplicadas também no caso infinito. Discutimos a possibilidade de avaliar inexistência de efeito principal do fator aleatório sob os modelos propostos e em situações de dados desbalanceados, salientamos a existência de testes F exatos para avaliar a anulação de componentes de variância e estudamos o poder dos mesmos para diferentes níveis de desbalanceamento

not available