Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/15333
Full metadata record
DC FieldValueLanguage
dc.creatorBiase, Adriele Giaretta-
dc.creatorFerreira, Daniel Furtado-
dc.date.accessioned2017-09-04T16:59:52Z-
dc.date.available2017-09-04T16:59:52Z-
dc.date.issued2012-01-
dc.identifier.citationBIASE, A. G.; FERREIRA, D. F. Teste computacionalmente intensivo baseado na distância de Mahalanobis para normalidade multivariada. Revista Brasileira de Biometria, São Paulo, v. 30, n. 1, p. 1-22, jan./mar. 2012.pt_BR
dc.identifier.urihttp://jaguar.fcav.unesp.br/RME/fasciculos/v30/v30_n1/A1_Adriele_Daniel.pdfpt_BR
dc.identifier.urirepositorio.ufla.br/jspui/handle/1/15333-
dc.description.abstractThe multivariate normality tests have direct influence on the quality and reliability of most scientific research that apply multivariate analysis, since the procedures for inference consider the multivariate normal the appropriate model for the data or for the error distribution. Some multivariate normality tests have limitations and for large samples the best of them does not apply. Therefore, this work aimed to propose a new test for multivariate normality without limitation concerning the sample size and to evaluate its performance. The new procedure was a Monte Carlo test for multivariate normality based on distance. The performance was compared to the Royston's test for multivariate normality, considered the best test. To evaluate the properties of the new test Monte Carlo simulation was used. The type I error rates and power were evaluated. All procedures were implemented in the software R. The Monte Carlo multivariate normality test based on distance had great success in controlling the type I error rates and showed power roughly equivalent to the Royston's multivariate normality test for largesamples and it also has the advantage of being unlimited regarding the sample size.pt_BR
dc.languagept_BRpt_BR
dc.publisherUniversidade Estadual Paulistapt_BR
dc.rightsrestrictAccesspt_BR
dc.sourceRevista Brasileira de Biometriapt_BR
dc.subjectNormalidade multivariadapt_BR
dc.subjectDistância de Mahalanobispt_BR
dc.subjectTeste de Monte Carlopt_BR
dc.subjectMultivariate normalitypt_BR
dc.subjectDistance from Mahalanobispt_BR
dc.subjectMonte Carlo Testpt_BR
dc.titleTeste computacionalmente intensivo baseado na distância de Mahalanobis para normalidade multivariadapt_BR
dc.title.alternativeComputationally intensive multivariate normality test based on Mahalanobis distancept_BR
dc.typeArtigopt_BR
dc.description.resumoOs testes de normalidade multivariada influenciam diretamente na qualidade e confiabilidade da maioria das pesquisas científicas que realizam análises multivariadas, uma vez que a construção de procedimentos para a realização da inferência considera que a normal multivariada seja a distribuição apropriada para os dados ou resíduos dos modelos adotados. Alguns dos testes de normalidades multivariadas existentes possuem limitações e em grandes amostras os melhores deles não são aplicáveis. Portanto, esse trabalho objetivou propor um novo teste de normalidade multivariada ilimitado quanto ao tamanho da amostra denominado de teste Monte Carlo de normalidade multivariada baseado em distâncias e avaliar o seu desempenho, comparando-o com o do teste de normalidade de Royston. Para avaliação do desempenho foi usada simulação Monte Carlo, mensurando-se as taxas de erro tipo I e o poder. Todos os procedimentos foram implementados no software R. O teste Monte Carlo para normalidade multivariada baseado em distância teve grande sucesso no controle das taxas de erro tipo I e poder praticamente equivalente ao do teste de normalidade multivariada de Royston para grandes amostras, além disso, possui a vantagem de ser ilimitado quanto ao tamanho da amostra.pt_BR
Appears in Collections:DEX - Artigos publicados em periódicos

Files in This Item:
There are no files associated with this item.


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.