Otimalidade de Testes Monte Carlo
| dc.creator | Ivair Ramos Silva | |
| dc.date.accessioned | 2019-08-11T18:19:27Z | |
| dc.date.accessioned | 2025-09-09T00:00:08Z | |
| dc.date.available | 2019-08-11T18:19:27Z | |
| dc.date.issued | 2011-04-15 | |
| dc.identifier.uri | https://hdl.handle.net/1843/ICED-8H2HFS | |
| dc.language | Inglês | |
| dc.publisher | Universidade Federal de Minas Gerais | |
| dc.rights | Acesso Aberto | |
| dc.subject | Método de Monte Carlo | |
| dc.subject | Bootstrap (Estatística) | |
| dc.subject | Estatística | |
| dc.subject | Otimização matemática | |
| dc.subject | Distribuição assintotica (Probabilidades) | |
| dc.subject.other | Testes Monte Carlo | |
| dc.subject.other | Boostrap | |
| dc.subject.other | Probabilidade | |
| dc.title | Otimalidade de Testes Monte Carlo | |
| dc.type | Tese de doutorado | |
| local.contributor.advisor-co1 | Marcelo Azevedo Costa | |
| local.contributor.advisor1 | Renato Martins Assuncao | |
| local.contributor.referee1 | Marcelo Azevedo Costa | |
| local.contributor.referee1 | Glaura da Conceicao Franco | |
| local.contributor.referee1 | Gauss Moutinho Cordeiro | |
| local.contributor.referee1 | Martin Kulldorff | |
| local.description.resumo | A operacionalização de um teste de hipóteses é condicionada ao conhecimento da distribuição de probabilidade da estatística de teste sob a hipótese nula H0. Caso não se conheça a distribuição da estatística de teste sob H0, sua distribuição assintótica pode ser usada para que a decisão sobre a rejeição ou não de H0 possa ser feita, o que exige o estudo dos tamanhos amostrais para os quais tal distribuição assintótica se verifica. Quando a distribuição assintótica também não pode ser deduzida analiticamente, métodos de reamostragem podem ser aplicados para a construção de um critério alternativo de decisão, tais como reamostragem Bootstrap, testes de permutação e simulação Monte Carlo (MC), sendo este último o objeto de estudo deste trabalho. Os testes de hipóteses montados pela utilização de simulações Monte Carlo podem ser divididos em dois tipos: os que se baseiam em um número m fixo de simulações, que é a estratégia convencional; e os procedimentos sequenciais, com os quais o número de simulações a serem geradas não é previamente fxado. Apesar de atualmente contarmos com recursos computacionais que favorecem o processamento de grandes bases de dados de forma extremamente veloz, ainda existem situações em que o tempo de processamento de uma estatística de teste é longo, o que motiva o desenvolvimento e utilização dos procedimentos sequenciais. Os aspectos que recebem forte atenção na literatura sobre testes MC são: a busca por procedimentos que apresentem reduzido tempo médio de simulação até que a decisão sobre H0 seja efetuada; a estipulação de cotas para a probabilidade da decisão quanto à rejeição de H0 ser diferente da que se tomaria com o teste exato (risco de reamostragem); a estimação dovalor-p; e a estipulação de cotas para as possíveis perdas de poder do teste MC sequencial em relação ao teste MC convencional ou em relação ao respectivo teste exato. Usando certas suposições sobre a distribuição de probabilidade e a função poder associadas à estatística de teste, a literatura mostra que o poder do teste MC convencional épraticamente igual ao poder do teste exato. Um dos objetivos desta tese é demonstrar que é possível obter cotas para a diferença de poder entre o teste MC convencional e o teste exato que valem para qualquer estatística de teste, ou seja, a validade de tais cotas não depende desuposições além das necessárias à existência de um teste exato.Besag and Clifford (1991) propuseram um procedimento de teste MC sequencial que, sob H0, apresenta baixo tempo de execução. bjetivamos mostrar aqui como deve ser feita a escolha dos parâmetros de operacionalização deste procedimento sequencial. Primeiramente, mostramos como otimizar a escolha do número máximo de simulações sem afetar seu poder e, em seguida, demonstramos a forma de aplicar a regra de interrupção das simulações de modo a garantir um mesmo poder que o teste convencional. O procedimento sequencial de Besag and Clifford (1991) só apresenta redução no tempo de execução nos casos em que H0 é verdadeira. Com a principal finalidade de tornar o teste MC sequencial mais veloz que o MC convencional também quando a hipótese nula é falsa, procedimentos sequenciais alternativos tem sido propostos na literatura. O cálculo analítico exato do poder de tais procedimentos sequenciais, bem como do valor esperado do númerode simulações, são intratáveis para o caso geral, pois envolve o conhecimento da distribuição de probabilidade do valor-p, que por sua vez depende de cada aplicação específica. Pelo uso de algumas restrições ao comportamento da distribuição de probabilidade do valor-p, alguns autores obtiveram cotas para o risco de reamostragem e para a esperança do número de simulações para procedimentos sequenciais para os quais, em cada tempo t de simulação, a regra de iinterrupção das simulações é dada por uma função linear em t. Nesta tese, construimos um procedimento sequencial que permite um formato geral para a regra de interrupção das simulações, o qual chamaremos de teste MC sequencial generalizado. Esta construção absorve as principais propostas apresentadas na literatura e permite um tratamento analítico do poder e do número esperado de simulações para uma estatística de teste qualquer. Isto é feito pela elaboração de cotas superiores para a perda de poder e para a esperança do número de simulações. Com base em conceitos desenvolvidos nesta tese, apresentamos a construção do procedimento ótimo em termos do número esperado de simulações. Nós também cotamos o risco de reamostragem dentro de uma extensa classe de distribuições de probabilidade para o valor-p. | |
| local.publisher.initials | UFMG |
Arquivos
Pacote original
1 - 4 de 4
Carregando...
- Nome:
- monte_carlo_test_under_general_conditions_power_and_number_o.pdf
- Tamanho:
- 145.3 KB
- Formato:
- Adobe Portable Document Format
Carregando...
- Nome:
- introdu__o_da_tese.pdf
- Tamanho:
- 85.7 KB
- Formato:
- Adobe Portable Document Format
Carregando...
- Nome:
- optimal_generalized_sequential_monte_carlo_test.pdf
- Tamanho:
- 273.81 KB
- Formato:
- Adobe Portable Document Format
Carregando...
- Nome:
- power_of_the_sequential_monte_carlo_test.pdf
- Tamanho:
- 272.27 KB
- Formato:
- Adobe Portable Document Format