Classificação com inferência para dados de alta dimensão
dc.contributor.advisor | Valk, Márcio | pt_BR |
dc.contributor.author | Lacerda, Eduardo Cavalli | pt_BR |
dc.date.accessioned | 2022-08-20T04:55:56Z | pt_BR |
dc.date.issued | 2022 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/247555 | pt_BR |
dc.description.abstract | Neste trabalho propomos um método de classificação com inferência para dois ou mais grupos no contexto de alta dimensionalidade e baixo tamanho amostral. Nesse contexto, o método de classificação proposto é comparado com uma metodologia recentemente proposta, através de simulações e aplicação a dados reais. Além disso, um teste de hipóteses é proposto e as propriedades assintóticas da estatística de teste são obtidas, no entanto a estimação da variância se dá a partir de um procedimento de reamostragem. Resultados das simulações mostram que o classificador é competitivo com a metodologia existente e a possibilidade de identificar se a classificação em um determinado grupo é estatisticamente significativa possibilita controlar o erro do tipo I, mostrando-se uma importante ferramenta em problemas de classificação. | pt_BR |
dc.description.abstract | In this work we propose a classification method with inference for two or more groups in the high dimensional low sample size context. The classification method is compared with a recently proposed methodology, through simulations and application to a real dataset. Furthermore, a hypothesis test is proposed and the asymptotic properties of the test statistics are obtained, however the estimation of the variance is given from a procedure resampling process. Simulation results show that the classifier is competitive with the existing methodology and the possibility of identifying whether the classification in a certain group is statistically significant makes it possible to control the type I error, proving to be an important tool in classification problems. | en |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Inference | en |
dc.subject | Inferencia | pt_BR |
dc.subject | High Dimensional Low Sample Size (HDLSS) | en |
dc.subject | Tamanho da amostra | pt_BR |
dc.subject | Classification method | en |
dc.subject | U-statistics | en |
dc.title | Classificação com inferência para dados de alta dimensão | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.advisor-co | Cybis, Gabriela Bettella | pt_BR |
dc.identifier.nrb | 001147607 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Instituto de Matemática e Estatística | pt_BR |
dc.degree.program | Programa de Pós-Graduação em Estatística | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2022 | pt_BR |
dc.degree.level | mestrado | pt_BR |
Este item está licenciado na Creative Commons License
-
Ciências Exatas e da Terra (5117)Estatística (27)