IMPUTAÇÃO DE DADOS GEOESTATÍSTICOS EM CENÁRIOS MNAR MULTIVARIADOS: AVALIAÇÃO DOS MÉTODOS POR VIZINHO MAIS PRÓXIMO, REGRESSÃO LINEAR E SIMULAÇÃO COM MODELO DE MISTURA GAUSSIANA

A ausência de amostras em bancos de dados geológicos é um desafio recorrente em geoestatística multivariada, especialmente quando a ausência não é aleatória e depende do valor da própria variável (MNAR). Este trabalho avalia diferentes métodos de imputação aplicados a um banco sintético multivariado de Ni, Fe e Mg. Os dados foram previamente “desotopizados” conforme o mecanismo MNAR, simulando um cenário realista de ausência seletiva. Foram comparadas três abordagens de imputação: vizinho mais próximo (NN), regressão linear (RL) e simulação com modelo de mistura Gaussiana (GMM), com foco na preservação das distribuições univariadas, correlações multivariadas e continuidades espaciais diretas. Os resultados mostram que métodos tradicionais tendem a suavizar a variabilidade, enquanto o GMM apresenta maior fidelidade estatística e espacial. Os resultados reforçam a importância da escolha criteriosa do método de imputação como etapa crítica na modelagem geoestatística.