Dimensões e características da Web brasileira: um estudo ... - CGI.br

36<br />
capítulo 2<br />
metoDologia<br />
Dimensões e características da Web brasileira: um estudo do .gov.br<br />
servados empiricamente no universo da Web. Em especial, a distribuição<br />
aleató ria de objetos e de suas conexões no universo online (sabe-se que a<br />
topologia da rede online possui uma distribuição em escala-livre, observando<br />
os requisitos de uma power law e, consequentemente, a distribuição de<br />
vértices e arcos não segue um padrão) [2, 5, 6].<br />
De qualquer forma, inicia-se a aplicação de uma metodologia que deve ser<br />
ajustada ao universo da Web, como fizeram Jianguo Lu e Dingding Li para<br />
estimar o tamanho da Web profunda [6]. Observa-se, portanto, que existe<br />
uma correspondência plausível entre as estimativas e as coletas feitas.<br />
Para a compreensão do método “captura-recaptura”, considerou-se uma população<br />
desconhe cida (o tamanho da Web .gov.br), cujos objetos (indivíduos)<br />
foram listados em um primeiro momento, gerando um conjunto de<br />
objetos n1, e posteriormente, em um segundo momento, um conjunto de<br />
objetos n2. É importante frisar que a listagem representou a coleta exaustiva<br />
de todos os objetos da população-alvo. Ao se comparar os dois conjuntos<br />
coletados (n1 e n2), notou-se que existe um conjunto m de objetos duplicados,<br />
isto é, objetos presentes nas duas coletas.<br />
Assume-se que as duas coletas são independentes e que os objetos coletados<br />
têm a mesma probabilidade de serem coletados em ambas as coletas. Como<br />
mostram Alho e Spencer [1], o conjunto de objetos duplicados m segue<br />
uma distribuição de probabilidade hipergeomé trica quando conhecemos o<br />
tamanho da população total de objetos N (observados e não observados).<br />
Pode-se, indiretamente, a partir da equação da distribuição de probabilidade<br />
hipergeométrica, estimar o tamanho total da população N a partir de<br />
um estimador de máxima verossimilhança que torne o conjunto de objetos<br />
m observados o mais provável possível.<br />
Portanto, o estimador EN será o valor de N que maximiza a probabilidade<br />
de o conjunto observado de objetos duplicados m ser verdadeiro para toda a<br />
A equação abaixo<br />
população.<br />
é para<br />
Aqui<br />
a página<br />
o estimador<br />
36<br />
de máxima verossimilhança é:<br />
<br />
<br />
em que n1 e n2 representam o conjunto de objetos coletados em cada momento<br />
T1 e T2, e m representa o conjunto de objetos coletados em ambos<br />
As equações a seguir são para a página 37<br />
momentos.<br />
Sítios<br />
A equação 3.1 mostra o estimador clássico do método de “captura-recaptura”,<br />
definido desde Francis Bacon (1560) e reinventado diversas vezes,<br />
até a consolidação com Laplace (1802) e a sua especificação no campo da<br />
<br />
1,0029