Proposta de testes de esfericidade robustos quanto a presença de outliers e a alta dimensionalidade dos dados
Para a hipótese de esfericidade, propôs-se o estudo de dez testes para verificar a robustez quanto a presença de outliers e à a alta dimensionalidade dos dados. Como o teste da razão de verossimilhanças se degenera quando p ≥ n, aplicou-se a estatística do teste de John (1971) (JAs) por ser robusta...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis doctoral |
| Estado: | Versión publicada |
| Fecha de publicación: | 2023 |
| País: | Brasil |
| Institución: | Universidade Federal de Lavras (UFLA) |
| Repositorio: | Repositório Institucional da UFLA |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.ufla.br:1/56389 |
| Acceso en línea: | https://repositorio.ufla.br/handle/1/56389 |
| Access Level: | acceso abierto |
| Palabra clave: | Regressão e Correlação Robustez Matriz de covariância Simulação Monte Carlo Bootstrap Robustness Covariance matrix Monte Carlo simulation |
| Sumario: | Para a hipótese de esfericidade, propôs-se o estudo de dez testes para verificar a robustez quanto a presença de outliers e à a alta dimensionalidade dos dados. Como o teste da razão de verossimilhanças se degenera quando p ≥ n, aplicou-se a estatística do teste de John (1971) (JAs) por ser robusta quando p ≥ n, sua versão modificada: trocando a matriz de covariância pelo estimador comedian (JAsR) e as abordagens bootstrap (JB) e bootstrap modificada (JBR). Foi estudado também o teste da razão de verossimilhanças (LRTAs), assim como o LRTAs com a estatística de teste modificada, seguindo o mesmo critério da estatística J: LRTAsR, LRTB e LRTBR. Utilizou-se ainda uma adaptação da estatística do teste de máximo proposto por Chen et al. (2020): TB e TBR. Foram utilizadas as distribuições normal e normal contaminada com 30% de contaminação. Concluiu-se que as versões bootstrap dos testes apresentaram um desempenho melhor, pois foram robustas quanto à presença de outliers, e que o JB e o JBR foram, ainda, robustos em relação à alta dimensionalidade dos dados. |
|---|