Como Estimar O Poder Do Teste Mínimo E Valores Limites Para O Intervalo De Confiança Do Data Snooping

Abstract

RESUMOO Data Snooping (DS) é o método mais bem estabelecido para identificar erros grosseiros (outliers) em dados geodésicos, com uma determinada probabilidade. O poder do teste do DS é a probabilidade deste identificar corretamente um erro grosseiro, enquanto o intervalo de confiança do DS é a probabilidade deste não rejeitar uma observação não contaminada por erro grosseiro. Na prática, o poder do teste é sempre desconhecido. Desta forma, o objetivo deste trabalho é apresentar uma revisão teórica sobre como determinar o poder do teste mínimo e valores limites para o intervalo de confiança do DS, em um cenário n-dimensional, ou seja, considerando todas as observações envolvidas. Além da revisão teórica, um exemplo numérico envolvendo uma rede de nivelamento geométrico simulada é apresentado. Os resultados obtidos nos experimentos foram concordantes com os valores teóricos previamente calculados, ou seja, a metodologia revista apresentou desempenho satisfatório na prática. O exemplo apresentado também evidencia a

Análise gráfica das variáveis do controle de qualidade de dados geodésicos por meio de testes estatísticos

“…Nas expressões (3) e (4), τ ii = β ij + κ ij , isto é, a soma dos Erros Tipo II (β ij ) e Tipo III (κ ij ); μ i = δ 0 ij , isto é, o parâmetro de não centralidade do modelo para a distribuição normal: δ 0 = ξλ; μ j = ρ ij δ 0 ij ; w i é a estatística de teste da i-ésima observação testada e w j é a estatística de teste da j-ésima observação testada; e c α0 2 Τ é o valor crítico correspondente na distribuição normal para o nível de significância 0 (teste bi-caudal). Para mais detalhes sobre esse procedimento de cálculo, ver, por exemplo, Yang et al (2013); Wang et al (2012); Klein et al (2014b).…”

“…Como a separação entre as hipóteses 0 e depende da magnitude do(s) outlier(s), e esta é desconhecida na prática, em geral, deve-se arbitrar um valor para o nível de significância (α), isto é, para a probabilidade de ocorrência de "falsos positivos", e para o poder do teste (γ), ou seja, para a probabilidade de identificação correta do teste, em função dos quais se obtém o parâmetro de não centralidade do modelo correspondente (KLEIN, 2014a). Para mais detalhes sobre essa estratégia, ver, por exemplo, Baarda (1968), Kavouras (1982), Aydin e Demirel (2005), Teunissen (2006), Knight et al (2010) e Klein (2014b).…”

“…É importante destacar que, além da notória aplicação no CQ, as variáveis estudadas neste trabalho são utilizadas em diversas outras aplicações geodésicas, como no cálculo das medidas de confiabilidade (ver, por exemplo, KNIGHT et al, 2010;TEUNISSEN, 2006); no planejamento de redes geodésicas (ver, por exemplo, KUANG, 1991;SIMKOOEI, 2001;KLEIN, 2012KLEIN, , 2014aKLEIN, , 2014b; na análise de robustez da rede (ver, por exemplo, VANÍČEK et al, 1990;2001;BERBER, 2006); na análise de separabilidade das observações (ver, por exemplo, FÖRSTNER, 1983;YANG et al, 2013;WANG et al, 2012), na análise de covariância de vértices geodésicos (ver, por exemplo, VANÍČEK et al, 1986), dentre outras.…”