NOVOS PROCEDIMENTOS BAYESIANOS PARA TESTE DE HIPÓTESES BASEADOS EM AGRUPAMENTOS DE PROBABILIDADES

O Teste de Jeffreys e o Teste de Significância Bayesiano Completo (FBST), são procedimentos bayesianos usuais para testes de hipóteses. O FBST foi introduzido na literatura com o objetivo de evitar o paradoxo de Jeffreys-Lindley, que pode ocorrer ao utilizar o Teste de Jeffreys para testar hipóteses precisas. Estudos anteriores tem mostrado que estes procedimentos podem, eventualmente, conduzir a decisões diferentes. Neste trabalho propõe-se dois novos procedimentos para teste cuja idéia central é obter uma medida de evidência sobre a hipótese nula que assuma valores intermediários entre as duas medidas existentes. Os procedimentos propostos são baseados nos agrupamentos de probabilidades linear e logarítmico. Propomos também um critério para definir o ponto de corte de forma a tornar comparáveis os resultados obtidos com os procedimentos considerados. Para comparar os procedimentos bayesianos usuais e os propostos, foi realizado um estudo de simulação Monte Carlo em situações em que consideramos dados gerados com distribuição exponencial, em que testamos se o parâmetro da exponencial é igual a valor arbitrário, e dados gerados com distribuição normal assimétrica, no qual testamos se parâmetro de assimetria é igual zero. Apresentamos resultados obtidos em uma aplicação a dados reais de séries de retorno de quatro mercados importantes da América Latina (MERVAL, IBOVESPA, IPSA e IPyC). Nesse caso consideramos que os dados tem distribuição normal assimétrica padrão e testamos se o parâmetro de assimetria é zero, ou seja, testamos se os dados tem distribuição normal padrão.