Desempenho de testes de homogeneidade de variâncias em diferentes cenários simulados

• Ano de defesa: 2021
• Autor(a) principal: Menezes, Gleynner Ghiotto Lima
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Viçosa
• Palavras-chave em Português: Análise de variância; Heterocedasticidade; Estatística robusta; Estatística Aplicada e Biometria
• Link de acesso: https://locus.ufv.br//handle/123456789/28637

A confiabilidade nos resultados obtidos a partir dos testes de hipóteses estão sujeitos ao atendimento de pressuposições, o qual, quando pelo menos uma delas não é satisfeita, seu desempenho ou nível de confiança pode estar comprometido, levando a conclusões errôneas. Deste modo, existem diversos testes na literatura que foram propostos a fim de verificar a suposição de homogeneidade de variâncias em análises estatísticas, sendo esta tomada por diversos autores como o fator de maior influência sobre a sensibilidade dos resultados. No entanto, não existe um consenso sobre o melhor cenário de aplicação para cada um deles. Neste trabalho, pretende-se comparar os testes de homogeneidade de variâncias paramétricos de Bartlett, Levene, Brown- Forsythe, Cochran e Hartley, e os testes não paramétricos de Fligner- Killeen, Conover e Mood, através de um estudo de simulação utilizando o software R, onde, serão realizadas comparações segundo um Delineamento Inteiramente Casualisado sobre os seguintes aspectos de avaliação: proporção de heterogeneidade, proporção de desbalanceamento e diferentes distribuições de probabilidades. A hipótese de homocedasticidade foi adotada para analisar a taxa empírica do erro tipo I (̂) e, a de heterocedasticidade, para analisar a taxa empírica do poder do teste (̂). Diante disso, foi observado que, sob distribuição normal, o teste paramétrico de Bartlett obtém o melhor controle da taxa empírica do erro tipo I e obtém alto poder nos cenários balanceados e desbalanceados. Quando os conjuntos de dados são provenientes de populações não normais, o teste paramétrico de Brown- Forsythe foi o mais indicado. Dentre os testes não paramétricos, o teste de Mood foi o mais indicado para atuar sobre as três distribuições de probabilidades avaliadas. Palavras-chave: Heterocedasticidade. Robustez. Poder.