| Name: | Description: | Size: | Format: | |
|---|---|---|---|---|
| 249.16 KB | Adobe PDF |
Advisor(s)
Abstract(s)
Uma das questões de interesse em Meta Análise é: dado um conjunto de
p-values observados em testes independentes, usando uma estatística de teste
T para testar H0 vs. HA, como obter uma síntese? As respostas mais comuns
devem-se a Tippett, a Fisher e a Stouffer, consulte-se Gomes et al. (2009) ou
Sequeira (2009) para mais informação.
Qualquer daqueles métodos assenta no facto de o teorema da transformação
uniformizante indicar que, sob validade de H0, a amostra p vem de uma população
uniforme padrão. Tippett usa a teoria distribucional dos mínimos, Fisher
usa a relação entre uniformes e quis-quadrados, e Stouffer usa uma transformação
em dados gaussianos.
Por outro lado, como indicado em Gomes et al. (2009), sem efectivamente
explorar esse facto, o uso da transformação de Sukhatme permite ainda usar a
rica teoria dos espaçamentos e das estatísticas ordinais de espaçamentos, eventualmente
conjugando depois com as os filões que Tippett, Fisher e Stouffer
exploraram.
Para além de iniciarmos as vantagens de usar amostras computacionalmente
aumentadas como proposto em Gomes et al. (2009) e os correspondentes espaçamentos
para melhor investigar a uniformidade de p, exploramos o conceito de
p-values aleatórios. De facto, é questionável partir do pressuposto de uniformidade
de p, que só faz sentido se H0 for efectivamente verdadeira — quando
o que se está a pretender estabelecer é a rejeição global dessa hipótese nula.
Description
Keywords
amostras computacionalmente aumentadas meta-análise p-values aleatórios
Citation
Brilhante, M. F., Malva, M., Mendonça, S., Pestana, D., Sequeira, F., and Velosa, S. (2013). Uniformity. In Lita da Silva, J.; Caeiro, F.; Natário, I.; Braumann, C.A. (eds.), Advances in Regression, Survival Analysis, Extreme Values, Markov Processes and other Statistical Applications, 73-81, Springer, Berlin. (doi: 10.1007/978-3-642-34904-1)
Publisher
Springer-Verlag