Dissertação

Bootstrap Confidence Intervals on Symbolic Data Domain: A preliminary Study EVALUATED

A Análise de Dados Simbólicos é uma recente área de análise de dados que surgiu como uma consequência natural do desenvolvimento tecnológico que permite o armazenamento de grande quantidade de dados em bases de dados relacionais. Apesar da manipulação deste tipo de dados (simbólicos) ser uma tarefa antiga, a percepção da importância e da complexidade do tratamento deste tipo de dados é bastante recente. A necessidade da extensão dos métodos clássicos de análise de dados a estes dados complexos justifica a necessidade da Análise de Dados Simbólicos. Análise de Dados Simbólicos tem como input tabelas de dados cujas entradas podem conter intervalos, ou vários valores ligados entre si por regras de taxonomia e regras lógicas, e até conter distribuições. Dada a complexidade das variáveis simbólicas, a aplicação dos métodos tradicionais de inferência não é uma tarefa fácil, assim o bootstrap parece ser o procedimento mais natural a utilizar neste contexto. Na amostragem com variáveis simbólicas as distribuições teóricas das estatísticas de interesse são, em geral, desconhecidas. Uma vez que o método bootstrap é um método de distribuição livre, este permite aferir propriedades da distribuição amostral dos estimadores dos parâmetros de interesse em situações de inferência não tradicional. Nesta tese, consideramos o desenvolvimento de técnicas de inferência baseadas no bootstrap para parâmetros de localização e de dispersão de variáveis simbólicas univariadas.
Análise de dados simbólicos, Inferência Estatística, Intervalos de Confiança, Bootstrap.

Junho 29, 2015, 11:0

Publicação

Obra sujeita a Direitos de Autor

Orientação

ORIENTADOR

Maria da Conceição Esperança Amado

Departamento de Matemática (DM)

Professor Auxiliar