Deteção de grupos de observações atípicas: uma aplicação em dados genómicos

Abstract

Este trabalho aborda o problema da deteção de grupos de observações que se afastam da maioria. O objetivo é a deteção de grupos de palavras genómicas cujo padrão de distribuição, ao longo do genoma, se distinga da maioria dos padrões. O método proposto aplica técnicas de classificação hierárquica para identificar classes de pequena dimensão, pois é nesses grupos que se espera encontrar as observações que se demarcam das restantes. Assim, a dimensão das classes serve de ponto de partida para a identificação de potenciais observações atípicas. Num segundo passo, as observações são comparadas com as restantes observações do seu grupo, por forma a avaliar a similaridade entre as distribuições. Para esse efeito é utilizada uma medida de atipicidade funcional que privilegia a forma das distribuições e não apenas a magnitude dos seus valores.