Banca de DEFESA: GABRIEL MESSIAS SANTANA PEIXOTO

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: GABRIEL MESSIAS SANTANA PEIXOTO
DATA: 07/10/2026
HORA: 14:00
LOCAL: https://meet.google.com/qjs-mbzx-mht
TÍTULO:

Proposição de Novos Testes para Comparações Múltiplas de Coeficientes de Correlação Independentes: Avaliação de Desempenho.

PALAVRAS-CHAVES:

Comparações múltiplas;

Coeficientes de correlação;

Transformação Z de Fisher;

Simulação Monte Carlo.

PÁGINAS: 82
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Probabilidade e Estatística
SUBÁREA: Estatística
ESPECIALIDADE: Fundamentos da Estatística
RESUMO:

A análise de correlação linear avalia a intensidade e a direção da associação entre variáveis em diferentes áreas da pesquisa. Na inferência estatística, a comparação simultânea de coeficientes de correlação de múltiplas populações bivariadas independentes exige o controle da taxa de erro tipo I por família (Familywise Error Rate -- FWER). Embora a transformação $Z$ de Fisher estabilize a variância dos coeficientes e a distribuição da amplitude padronizada permita comparações múltiplas entre estimativas independentes, o confronto simultâneo de correlações em $g > 2$ populações independentes ainda é pouco explorado. Este trabalho propôs e avaliou dois testes para essa finalidade: o $Q_m$, baseado na distribuição da amplitude padronizada de Tukey, e o $Z_b$, fundamentado na aproximação normal assintótica com correção de Bonferroni. Por meio de simulações Monte Carlo, avaliou-se o controle da FWER e o poder estatístico dos testes em cenários balanceados e não balanceados, variando o número de grupos ($g$), o tamanho amostral ($n$) e as magnitudes de correlação ($\rho$). Para $g = 2$, os testes $Q_m$ e $Z_b$ demonstraram equivalência matemática e empírica. O tamanho amostral de $n = 30$ estabeleceu-se como o limiar de estabilização assintótica do $Q_m$. Em cenários de alta multiplicidade ($g \ge 50$), o $Q_m$ superou o $Z_b$ em poder estatístico, contornando a penalização de Bonferroni. Conclui-se que o $Z_b$ é recomendado para amostras pequenas ($n < 30$), pelo seu perfil conservador no controle de falsos positivos sem grande perda de poder estatístico em relação ao $Q_m$, enquanto o $Q_m$ é indicado para amostras moderadas e grandes ($n \ge 30$) e cenários de elevada multiplicidade, por combinar alto poder estatístico e controle adequado da FWER.

MEMBROS DA BANCA:
Externo à Instituição - BEN DEIVIDE DE OLIVEIRA BATISTA - UFSJ (Membro)
Externo à Instituição - RICARDO ALVES DE OLINDA - UEPB (Suplente)
Interno - JULIO SILVIO DE SOUSA BUENO FILHO (Suplente)
Interno - LUIZ OTAVIO DE OLIVEIRA PALA (Membro)
Presidente - DANIEL FURTADO FERREIRA (Membro)