Proposição de Testes Robustos para Comparações Múltiplas Multivariadas Duas a Duas e Desenvolvimento de Bibliotecas para R e Python
Testes via bootstrap.
Testes assintóticos.
Alta dimensionalidade.
Estatística computacional.
Este trabalho propõe o desenvolvimento de um procedimento de comparações múltiplas multivariadas para vetores multidimensionais, utilizando o método bootstrap. A abordagem emprega técnicas computacionalmente intensivas e é avaliada por meio de simulações de Monte Carlo, analisando o desempenho dos testes em relação à taxa de erro do tipo I e ao poder estatístico. Além disso, serão desenvolvidas bibliotecas em R e Python que integrarão tanto testes assintóticos quanto métodos bootstrap, ampliando o alcance das análises estatísticas em cenários em que os pressupostos clássicos não são atendidos. O objetivo é preencher lacunas metodológicas na estatística computacional, oferecendo ferramentas robustas e escaláveis para a análise de dados de alta dimensionalidade. Espera-se que os resultados contribuam para o avanço científico e tecnológico, incentivando publicações de alto impacto e aplicações em diversas áreas do conhecimento, como ciências agrárias, economia, biologia e ciências sociais.