Neste trabalho propomos algumas soluções para problemas de seleção e controle introduzidos por Marsh e Zellner (1994). Estudamos soluções ótimas obtidas através de diferentes funções de perda e comparamos tais soluções com a chamada "solução do diretor". Além disso, enfocamos os problemas de controle de uma forma distinta da proposta em Marsh e Zellner, utilizando o conceito de densidade preditiva. Introduzimos o modelo de regressão logística em problemas de seleção e controle com heterogeneidade, obtendo soluções via Inferência Clássica e Inferência Bayesiana Assintótica. Analisamos um conjunto de dados simulados a fim de exemplificar o emprego do modelo de regressão logística em tais problemas. Baseando-nos em Geisser (1982), utilizamos funções de perda e densidade preditiva para obter soluções ótimas para problemas de seleção e controle. Procedemos a uma análise para verificar qual o impacto da função de perda na escolha dos parâmetros da distribuição a priori de O: probabilidade dos indivíduos aceitarem uma oferta para um curso a ser realizado. Na tentativa de solucionar problemas de captura-recaptura através de problemas de controle investigamos um estimador bastante conhecido, o estimador de Petersen (1896) e, através da Inferência Bayesiana, propomos um ajuste para o mesmo, similar às correções de Bartlett (1937). Através de um exemplo com dados simulados é possível verificar que o ajuste melhora sensivelmente as estimativas do tamanho de uma população animal.

In this work we propose some solutions to the problems of selection and control introduced by Marsh and Zellner (1994). Optimal solutions are obtained under different loss functions and compared with the Dean's solution. We also consider the control problems from the predictive density point of view which is quite different from Marsh and Zellner's approach. The logistic regression model is used to solve the selection and control problems with heterogeneity by Classical and Bayesian procedures. We also generate a set of data to illustrate the performance of our proposed procedures. Geisser's predictive approach is used, under different loss functions, to get optimal solutions to the selection and control problems and the influence of these loss functions on the choice of the parameters of the prior distributions is considered. The capture-recapture procedure, when solving as a control problem, the optimal Bayes solution is the well-known Petersen's estimator multiplied by an adjusted factor similar to the Bartlett's correction. An example with simulated data shows how much this adjusted factor improves the estimatives of the population size.