1. RI UFLA
  2. Instituto de Ciências Exatas e Tecnológicas - ICET
  3. Departamento de Estatística - DES
  4. DES - Artigos publicados em periódicos
Use este identificador para citar ou linkar para este item: http://repositorio.ufla.br/jspui/handle/1/32713
Registro completo de metadados
Campo DCValorIdioma
dc.creatorVeloso, Manoel Vitor de Souza-
dc.creatorCirillo, Marcelo Angelo-
dc.date.accessioned2019-02-04T10:57:55Z-
dc.date.available2019-02-04T10:57:55Z-
dc.date.issued2016-
dc.identifier.citationVELOSO, M. V. de S.; CIRILLO, M. A. Principal components in the discrimination of outliers: a study in simulation sample data corrected by Pearson's and Yates´s chi-square distance. Acta Scientiarum-Technology, Maringá, v. 38, n. 2, p. 193-200, Apr./June 2016.pt_BR
dc.identifier.urihttp://repositorio.ufla.br/jspui/handle/1/32713-
dc.description.abstractCurrent study employs Monte Carlo simulation in the building of a significance test to indicate the principal components that best discriminate against outliers. Different sample sizes were generated by multivariate normal distribution with different numbers of variables and correlation structures. Corrections by chi-square distance of Pearson´s and Yates's were provided for each sample size. Pearson´s correlation test showed the best performance. By increasing the number of variables, significance probabilities in favor of hypothesis H0 were reduced. So that the proposed method could be illustrated, a multivariate time series was applied with regard to sales volume rates in the state of Minas Gerais, obtained in different market segmentspt_BR
dc.languageen_USpt_BR
dc.publisherUniversidade Estadual de Maringápt_BR
dc.rightsAttribution 4.0 International*
dc.rightsacesso abertopt_BR
dc.rights.urihttp://creativecommons.org/licenses/by/4.0/*
dc.sourceActa Scientiarum-Technologypt_BR
dc.subjectContaminated samplespt_BR
dc.subjectMonte Carlopt_BR
dc.subjectSignificance testpt_BR
dc.subjectP-valuept_BR
dc.subjectAmostras contaminadaspt_BR
dc.subjectTeste de significânciapt_BR
dc.titlePrincipal components in the discrimination of outliers: a study in simulation sample data corrected by Pearson's and Yates´s chi-square distancept_BR
dc.title.alternativeComponentes principais na discriminação de outliers: estudo de simulação em dados amostrais corrigidos pelas distâncias qui-quadrado de Pearson’s and Yatespt_BR
dc.typeArtigopt_BR
dc.description.resumoEste trabalho tem por objetivo realizar um estudo, utilizando simulação Monte Carlo na construção de um teste de significância para indicar os componentes principais que melhor discriminam as discrepâncias. Neste contexto, diferentes tamanhos amostrais foram gerados pela distribuição normal multivariada com diferentes números de variáveis e estruturas de correlação. Para cada tamanho amostral, procedeu-se com as correções dadas pela distância qui-quadrado de Pearson e Yates. Concluiu-se ao considerar a correção de Pearson o teste apresentou melhor desempenho, entretanto, aumentando o número de variáveis as probabilidades de significância a favor a hipótese H0 foram reduzidas. Por fim, para ilustrar a metodologia proposta realizou-se uma aplicação em uma série temporal multivariada referente a índices de volumes de vendas do estado de Minas Gerais obtidos em diferentes segmentos de mercadospt_BR
Aparece nas coleções:DES - Artigos publicados em periódicos

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
ARTIGO_Principal components in the discrimination of outliers....pdf742,75 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Recomendar este item Visualizar estatísticas


Este item está licenciada sob uma Licença Creative Commons Creative Commons