Likelihood ratio test between two groups of castor oil plant traits

O teste de razão de verossimilhança para a independência entre dois grupos de variáveis permite-nos identificar se existe uma relação de dependência entre eles. O objetivo deste trabalho foi calcular o erro tipo I e o poder do teste de razão de verossimilhança para independência entre dois grupos de...

Descripción completa

Detalles Bibliográficos
Autores: Brum, Betania, Lopes, Sidinei José, Ferreira, Daniel Furtado, Storck, Lindolfo, Cargnelutti Filho, Alberto
Tipo de recurso: artículo
Estado:Versión publicada
Fecha de publicación:2016
País:Brasil
Institución:Universidade Federal de Lavras (UFLA)
Repositorio:Repositório Institucional da UFLA
Idioma:inglés
OAI Identifier:oai:repositorio.ufla.br:1/29960
Acceso en línea:https://repositorio.ufla.br/handle/1/29960
Access Level:acceso abierto
Palabra clave:Ricinus communis L.
Type I error
Power test
Multivariate normal distribution
Erro tipo I
Distribuição normal multivariada
Descripción
Sumario:O teste de razão de verossimilhança para a independência entre dois grupos de variáveis permite-nos identificar se existe uma relação de dependência entre eles. O objetivo deste trabalho foi calcular o erro tipo I e o poder do teste de razão de verossimilhança para independência entre dois grupos de caracteres, com distribuição normal multivariada, em cenários constituídos pelas combinações de: 16 tamanhos de amostra; 40 combinações de número de caracteres dos dois grupos; e nove graus de correlação entre os caracteres (para o poder). A taxa de erro tipo I e o poder foram calculados em 640 e 5.760 cenários a taxa de erro tipo I e o poder, respectivamente. A avaliação do desempenho do teste de razão de verossimilhança foi realizada por meio de simulação computacional pelo método Monte Carlo, utilizando-se 2.000 simulações em cada um dos cenários. Quando o número de caracteres é grande (24), o teste de razão de verossimilhança controla a taxa de erro tipo I e apresenta poder elevado (próximo a 100%), em tamanhos de amostra superiores a 100. Para tamanhos amostrais pequenos (25, 30 e 50), o teste apresenta bom desempenho (erro tipo I esperado e poder elevado), desde que o número de caracteres não exceda a 12.