Identificação de outliers multivariados - Uma aplicação em dados de saúde

A identificação de outliers desempenha um papel importante na análise estatística, pois tais observações podem conter informações importantes em relação aos dados. Se modelos estatísticos clássicos são cegamente aplicados a dados contendo valores atípicos, os resultados podem ser enganosos e decisões equivocadas podem ser tornadas. Além disso, em situações práticas, os próprios outliers são muitas vezes os pontos especiais de interesse e sua identificação pode ser o principal objetivo da investigação. Por isso, a finalidade desse trabalho é propor uma técnica de detecção de outliers multivariados, baseada em análise agrupamento e comparar essa técnica com o método de identificação de outliers via Distância de Mahalanobis. Para geração dos dados utilizou-se simulação através do Método de Monte Carlo e a técnica de mistura de distribuições normais multivariadas. Os resultados apresentados nas simulações mostram que o método proposto foi superior ao método de Mahalanobis tanto para sensibilidade quanto para especificidade, ou seja, ele apresenta maior capacidade de diagnosticar corretamente os indivíduos outliers e os não outliers. Além disso, a metodologia proposta foi ilustrada com uma aplicação em dados reais provenientes da área de saúde.

Grantor dc:publisher

Universidade Federal de Viçosa

Year dc:date.issued

2017

Author dc:creator

• Barbosa, Josino José

Advisor dc:contributor.advisor

• Oliveira, Fernando Luiz Pereira de

Contributors dc:contributor

• Pereira, Tiago Martins

• Análise multivariada
• Análise por agrupamento
• Monte Carlo, Método de

Statement dc:rights

• Acesso Aberto

Language dc:language.iso

por

Repository record dc:identifier.uri

http://www.locus.ufv.br/handle/123456789/10041

OAI identifier oai:identifier

oai:locus.ufv.br:123456789/10041