Algoritmos para Testes de Hipótese em Regressão Não-Paramétrica e suas Propriedades Assintóticas com Aplicações em Seleção de Variáveis

• Processo: 12/10808-2
• Modalidade de apoio: Bolsas no Brasil - Pós-Doutorado
• Data de Início da vigência: 01 de agosto de 2012
• Data de Término da vigência: 31 de março de 2013
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Ronaldo Dias
• Beneficiário: Adriano Zanin Zambom
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Inferência não paramétrica
• Palavra(s)-Chave do Pesquisador: Anova | backward elimination | consistencia assintotica | Inferência não paramétrica

Resumo

Seja X um vetor de variaveis preditoras de dimens~ao d e Y a variavel resposta. Sobo modelo n~ao-parametrico Y = m(X) + s(X), um dos objetivos e testar se um preditorespecco, digamos Xj ; j=1,...d e signicante no modelo. A metodologia paraeste tipo de teste completamente n~ao parametrico e muito pouco explorada. Zambom eAkritas (2012) propuseram um teste baseado em tecnicas de ANOVA de um fator quandoo numero dos nveis cresce para innito. Um dos objetivos deste projeto e desenvolverum software rapido e facil, com diferentes funcionalidades e grande poder de controledos par^ametros para o usuario, que disponibilize esse teste de hipotese a comunidadecientca. Utilizando os resultados deste teste de hipotese, Zambom e Akritas sugeriramum algortimo de selec~ao de variaveis usando controle de nvel FDR (False DiscoveryRate). O algortimo apresenta bons resultados em simulac~oes, mas suas propriedadesassintoticas ainda n~ao foram exploradas. Portanto, outro objetivo deste projeto e estudara consistencia teorica deste algortimo. Outros objetivos incluem o estudo de variaveiscategorigas neste tipo de analise, comparac~ao de modelos com diferentes par^ametros, entreoutros.

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

ZAMBOM, ADRIANO ZANIN; AKRITAS, MICHAEL G.. NONPARAMETRIC LACK-OF-FIT TESTING AND CONSISTENT VARIABLE SELECTION. STATISTICA SINICA, v. 24, n. 4, p. 1837-1858, OCT 2014. (12/22603-6, 12/10808-2)

ZAMBOM, ADRIANO ZANIN; AKRITAS, MICHAEL G.. Hypothesis testing sure independence screening for nonparametric regression. ELECTRONIC JOURNAL OF STATISTICS, v. 12, n. 1, p. 767-792, 2018. (12/10808-2)

ZAMBOM, ADRIANO ZANIN; AKRITAS, MICHAEL G.. NonpModelCheck: An R Package for Nonparametric Lack-of-Fit Testing and Variable Selection. JOURNAL OF STATISTICAL SOFTWARE, v. 77, n. 10, p. 1-28, APR 2017. (12/10808-2)