Evidência e Credibilidade: Teste Bayesiano de significância para Hipóteses precisas
description
Transcript of Evidência e Credibilidade: Teste Bayesiano de significância para Hipóteses precisas
Evidência e Credibilidade:Teste Bayesiano de significância para
Hipóteses precisas
Evidência e Credibilidade:Teste Bayesiano de significância para Hipóteses
precisas
Objetivo Definições Cálculo do teste Exemplo Comentários Bibliografia
Objetivo
Apresentar uma medida de evidência bayesiana (bayesiana porque trabalha com priores e posteriores) para hipótese nula precisa.
A intenção é dar uma alternativa bayesiana para testes de significância.
Definições
Hipóteses precisas: Temos uma hipótese precisa quando Ho (que chamamos
de hipótes nula) apresenta um valor fixo. Exemplo: Ho : = 0.3 vs H1: 0.3 ,
(onde representa a média de uma população) P-valor: medida de evidência dos dados ,dado que a hipótese
nula é verdadeira Probabilidade posteriori: probabilidade condicional de (parâmetro da
distribuição) depois que observamos os dados .
Definições
Fator de Bayes:O fator de Bayes consiste na divisão entre a razão das
densidades posteriores de 0 e 1 pela razão das priores 0 e 1 .Essa medida é usada em favor da hipótese nula, como veremos abaixo:
B= (0/x)/(1/x)
0 / 1
Definições
Confiabilidade de um conjunto:
Seja C um subconjunto de tal que, C= : (/x) K(),onde K() é a maior constante tal que, P(C/x) 1-
P(C/x)= c (/x)d ,caso contínuo e
= (/x) , caso discreto C P(C/x) é a medida de confiabilidade do conjunto C.
Definições
Medida de evidência bayesiana - Ev (H) É uma medida de evidência dos dados a favor da
hipótese nula, ou seja, quanto podemos acreditar que a hipótese nula proposta pelo teste é verdadeira.
Ev (H)=1 – K*
Cálculo de Ev (H)
Definimos o teste de hipótese: Ho : = 0 vs H1: 0 , 0 Rn,
- representa a média de uma população X - espaço paramétrico Observamos uma amostra aleátoria de tamanho n da
população X = (x1 , x2 ,...... , xn )
Consideramos como uma variável aleatória e definimos uma priori para que chamamos de 0
Cálculo de Ev (H)
Depois de observar os dados calculamos a função densidade posteriori , (/x).Discutiremos nesse trabalho testes de hipótese precisa sob absoluta continuidade do modelo de probabilidade posteriore.
Definimos um conjunto T como sendo um subconjunto do espaço paramétrico,cuja a densidade posteriori é maior que .
Cálculo de Ev (H)
Calculamos a confiabilidade de T : K*= T (/x),
(integramos em todo cuja posteriore é maior que )
Calculamos f* (f*=f(*) ) que é o máximo da densidade posteriore sob a hipótese nula, ou seja, encontramos o * que maximiza a posteriore de , o valor f* será o definido anteriormente.
Cálculo de Ev (H)
Temos então o nosso T como o conjunto tangente à hipótese nula,cuja confiabilidade é K*, ou seja , temos o conjunto dos ’s, cuja posteriore é maior que f*= .
Calculamos Ev (H)=1- K* e podemos concluir que : se temos T com alta probabilidade, significa uma baixa probabilidade para a região da hipótese nula.
Cálculo computacional de Ev (H)
Calculamos a medida de evidência em dois passos:
1. Calculamos * que maximiza a posteriori sob a hipótese nula .
2. Calculamos K*= (/x) , onde (/x) é igual a zero para todo , cuja (/x) f(*) ou .
Exemplo
Mostraremos um teste de proporção:
Seja uma variável aleatória X com distribuição binomial (20,) , seja “S” o número de sucessos observados.
O espaço paramétrico será = 0 1
Usaremos como priori Pr =p=0.5 e a densidade Uniforme para sob a hipótese alternativa.
Teste : H0: = 0.5 vs H1: 0.5
Avaliaremos a medida de evidência apresentada no trabalho, o fator de Bayes, p-valor e PP(probabilidade posteriori de H0)
ExemploTabela de resultados:
Comentários
•A Medida de evidência em relação a Hipótese nula Ev(H) traz
grandes vantagens por ter ser cálculo baseado nos dados da
amostra, ou seja, dados observados, porém devemos levar em
consideração a definição da priori dos parâmetros que deve ser
adequada.
•O p-valor tem a restrição de supor que a hipótese nula é
verdadeira e não temos garantias para esta suposição.
Comentários
•O valor da probailidade posteriori está diretamente ligada a
priori definida para o parâmetro, tendo como vantagem ser uma
medida calculada depois de observar os dados.
•O fator de Bayes quando definimos uma priori igual a 1 pode ser
considerada como uma razão de verossimilhanças que é bem aceito
pela teoria frequentista,caso contrário precisamos definir prioris
adequadas.
Bibliografia
•James O. Berger: Statistical Decision Theory and Bayesian
Analysis.
•Carlos alberto de Bragança Pereira and Julio Michael Ster:
Evidence and Credibility-Full Bayesian Significance Test for
Precise.
•José M Bernardo and Raúl Rueda: Hypotheses Bayesian Hypothesis
testing.