Detecção de outliers e estimação robusta no modelo de regressão circular
Regressão Circular. Detecção de Outliers. Estimação Robusta.
Nas últimas décadas, a estatística circular tem se destacado na modelagem de variáveis medidas em ângulos, sendo a regressão circular uma ferramenta fundamental para analisar a relação entre tais variáveis. No entanto, a presença de observações discrepantes pode comprometer significativamente a qualidade das estimativas, e a incorporação sistemática de métodos robustos nesse contexto ainda é limitada na literatura. Neste trabalho, propõem-se contribuições metodológicas para um modelo de regressão circular amplamente utilizado. Inicialmente, introduz-se, de forma inédita, a estatística do erro médio circular como ferramenta para detecção de outliers nesse modelo. Adicionalmente, são adaptados ao contexto circular estimadores robustos amplamente utilizados na regressão linear, como o estimador MM e o método dos mínimos quadrados aparados (Least Trimmed Squares – LTS), com o objetivo de obter estimativas mais estáveis na presença de contaminação nos dados. O desempenho das metodologias propostas é avaliado por meio de estudos de simulação sob diferentes níveis de contaminação. Os resultados indicam que a estatística do erro médio circular apresenta boa capacidade de detecção de outliers, enquanto os estimadores robustos propostos produzem estimativas mais eficientes e menos sensíveis a observações discrepantes quando comparados ao método clássico. Por fim, as abordagens são aplicadas a dados reais de expressão gênica e a dados operacionais de turbinas eólicas, evidenciando a aplicabilidade dos métodos e reforçando sua superioridade em cenários com presença de outliers.