Métodos para detecção de Outliers multivariados: Via uso dos estimadores robustos

• Ano de defesa: 2022
• Autor(a) principal: Martins, Humberto Marcílio
• Orientador(a): Ferreira, Daniel Furtado
• Banca de defesa: Ferreira, Daniel Furtado, Nogueira, Denismar Alves, Beijo, Luiz Alberto, Batista, Ben Deivide de Oliveira
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Lavras
• Programa de Pós-Graduação: Programa de Pós-Graduação em Estatística e Experimentação Agropecuária
• Departamento: Departamento de Estatística
• País: brasil
• Palavras-chave em Português: Estimador robusto comedian; Comedian robust estimator; Principal components for detection of outliers (PCOut); Estimador Ortogonalizado de Gnanadesikan-Kettenring (OGK)
• Área do conhecimento CNPq: Estatística
• Link de acesso: https://repositorio.ufla.br/handle/1/50190

Na aplicação da análise multivariada é necessário seguir alguns procedimentos para não obter uma relação equivocada do fenômeno de interesse com as demais variáveis, ou seja, o modelo precisa ser bem ajustado às características do fenômeno sob estudo. A detecção de outliers é um importante método a ser aplicado nas análises estatísticas, pois um único outlier pode cau- sar mudanças nas estimativas dos parâmetros, interferir também nos testes de normalidade e de correlação entre as variáveis, além de alterar os resultados de qualquer outro procedimento de inferência. Portanto, o objetivo desse trabalho é apresentar e comparar alguns métodos de de- tecção de outliers em dados multivariados. Foram comparados os métodos elipsóide de volume mínimo (MVE), Covariância de volume mínimo (MCD), Ortogonalizado de Gnanadesikan e Kettenring (OGK), componentes principais para detecção de outliers (PCOut) e o Comedian. Para realizar as comparações foi utilizado uma série de simulações prevendo diversas situações utilizando a distribuição normal contaminada. As comparações foram avaliadas atráves da taxa de sucesso (TS), que aponta a porcentagem de outliers que os métodos identificaram correta- mente e da taxa de falsa detecção (TFD), que aponta a porcentagem de observações que não são outliers, mas foram identificadas como outliers. Conclui-se que o ideal é utlizar ao menos dois métodos de detecção de outliers, visto que apontar o único método como melhor é uma tarefa díficil. No entanto, os métodos PCOut e Comedian obtiveram as TS melhores na maioria dos cenários simulados. O método comedian obteve as melhores TFD.