Artigo
Teste computacionalmente intensivo baseado na distância de Mahalanobis para normalidade multivariada
Carregando...
Notas
Data
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
Universidade Estadual Paulista
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
Agência de fomento
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
Os 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.
Abstract
The 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.
Descrição
Área de concentração
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
ISBN
DOI
Citação
BIASE, 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.