Tese

Nonparametric pragmatic hypothesis testing (2022)

• Authors:
  • Lassance, Rodrigo Ferrari Lucas
  • Stern, Rafael Bassi (Orientador)
• Autor USP: LASSANCE, RODRIGO FERRARI LUCAS - INTER: ICMC -UFSCAR
• Unidade: INTER: ICMC -UFSCAR
• Sigla do Departamento: SME
• DOI: 10.11606/D.104.2022.tde-18112022-174413
• Subjects: ESTATÍSTICA; APRENDIZADO COMPUTACIONAL; INFERÊNCIA NÃO PARAMÉTRICA; ESTATÍSTICA E PROBABILIDADE
• Keywords: Agnostic tests; Bayesian nonparametrics; Bayesiana não-paramétrica; Dissimilarity function; Função de dissimilaridade; Hipóteses pragmáticas; Pragmatic hypotheses; Testes agnósticos
• Agências de fomento:
  • Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)
• Language: Inglês
• Abstract: Na área de testagem estatística, uma hipótese pragmática amplia uma hipótese precisa, tomando casos na vizinhança da nula como sendo tão merecedores de consideração quanto ela. Ao contrário dos métodos tradicionais, hipóteses pragmáticas permitem ao usuário avaliar suposições mais relevantes e, simultaneamente, fornecem estratégias para lidar com Big Data de forma responsável, evitando complicadores usuais. Contudo, até o presente momento, tais procedimentos só foram aplicados em casos que já supõem uma família paramétrica para os dados. Nesta dissertação de mestrado, nós exploramos hipóteses pragmáticas em um contexto não-paramétrico, o que reduz drasticamente o número de suposições e fornece cenários mais realistas. Ao expandir a teoria em Coscrato et al. (2019) para um contexto não-paramétrico, delimitamos os diferentes tipos de hipóteses precisas de interesse, assim como os respectivos desafios que cada uma delas apresenta. Daí, derivamos dois tipos de testes para hipóteses não-paramétricas: um que adere aos procedimentos usuais e um que é agnóstico (que aceita, rejeita ou mantém a indecisão a respeito de uma hipótese específica), sendo que ambos seguem a propriedade de monotonicidade. Ao final, utilizamos o processo da árvore de Pólya para construir testes em múltiplas aplicações, demonstrando como o tamanho da amostra, níveis de confiança/credibilidade e o limiar de uma hipótese pragmática impactam na decisão do teste.
• Imprenta:
  • Publisher place: São Carlos
  • Date published: 2022
• Data da defesa: 13.06.2022

Informações sobre o DOI: 10.11606/D.104.2022.tde-18112022-174413 (Fonte: oaDOI API)
• Este periódico é de acesso aberto
• Este artigo é de acesso aberto
• URL de acesso aberto
• Cor do Acesso Aberto: gold
• Licença: cc-by-nc-sa

---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  LASSANCE, Rodrigo Ferrari Lucas. Nonparametric pragmatic hypothesis testing. 2022. Dissertação (Mestrado) – Universidade de São Paulo, São Carlos, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-18112022-174413/. Acesso em: 23 maio 2024.

• APA

  Lassance, R. F. L. (2022). Nonparametric pragmatic hypothesis testing (Dissertação (Mestrado). Universidade de São Paulo, São Carlos. Recuperado de https://www.teses.usp.br/teses/disponiveis/104/104131/tde-18112022-174413/

• NLM

  Lassance RFL. Nonparametric pragmatic hypothesis testing [Internet]. 2022 ;[citado 2024 maio 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-18112022-174413/

• Vancouver

  Lassance RFL. Nonparametric pragmatic hypothesis testing [Internet]. 2022 ;[citado 2024 maio 23 ] Available from: https://www.teses.usp.br/teses/disponiveis/104/104131/tde-18112022-174413/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI: