Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica

Detalhes bibliográficos
Autor(a) principal: Monteiro, Renata Evangelista
Data de Publicação: 2018
Outros Autores: http://lattes.cnpq.br/5225616211203080
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFAM
Texto Completo: https://tede.ufam.edu.br/handle/tede/6417
Resumo: A estimação tradicional em mistura de modelos de regressão é baseada na suposição de normalidade para os erros aleatórios, sendo assim, sensível a outliers, caudas pesadas e erros assimétricos. Outra desvantagem é que, em geral, a análise é restrita a preditores que são observados diretamente. Apresentamos uma proposta para lidar com estas questões simultaneamente no contexto de mistura de regressões estendendo o modelo normal clássico. Assumimos que, conjuntamente e em cada componente da mistura, os erros aleatórios e as covariáveis seguem uma mistura de escala da distribuição normal assimétrica. Além disso, é feita a suposição de que as covariáveis são observadas com erro aditivo. Um algorítmo do tipo MCMC foi desenvolvido para realizar inferência Bayesiana. A eficácia do modelo proposto é verificada via análises de dados simulados e reais.
id UFAM_f7e9cc01be6aedc78ecdac498e8d00ab
oai_identifier_str oai:https://tede.ufam.edu.br/handle/:tede/6417
network_acronym_str UFAM
network_name_str Biblioteca Digital de Teses e Dissertações da UFAM
repository_id_str 6592
spelling Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétricaDistribuição normal assimétricaMistura de escala normal assimétricaMistura de modelos de regressãoModelo com erro nas covariáveis.Algoritmo MCMCSkew-normal distributionMCMC algorithmScale mixtures of skewnormalMixture of regression modelsMeasurement error modelCIÊNCIAS EXATAS E DA TERRA: MATEMÁTICAA estimação tradicional em mistura de modelos de regressão é baseada na suposição de normalidade para os erros aleatórios, sendo assim, sensível a outliers, caudas pesadas e erros assimétricos. Outra desvantagem é que, em geral, a análise é restrita a preditores que são observados diretamente. Apresentamos uma proposta para lidar com estas questões simultaneamente no contexto de mistura de regressões estendendo o modelo normal clássico. Assumimos que, conjuntamente e em cada componente da mistura, os erros aleatórios e as covariáveis seguem uma mistura de escala da distribuição normal assimétrica. Além disso, é feita a suposição de que as covariáveis são observadas com erro aditivo. Um algorítmo do tipo MCMC foi desenvolvido para realizar inferência Bayesiana. A eficácia do modelo proposto é verificada via análises de dados simulados e reais.The traditional estimation of mixture regression models is based on the assumption of normality of component errors and thus is sensitive to outliers, heavy-tailed and/or asymmetric errors. Another drawback is that, in general, the analysis is restricted to directly observed predictors. We present a proposal to deal with these issues simultaneously in the context of mixture regression by extending the classic normal model by assuming that, for each mixture component, the random errors and the covariates jointly follow a scale mixture of skew-normal distributions. It is also assumed that the covariates are observed with error. An MCMC-type algorithm to perform Bayesian inference is developed and, in order to show the efficacy of the proposed methods, simulated and real data sets are analyzed.CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível SuperiorUniversidade Federal do AmazonasInstituto de Ciências ExatasBrasilUFAMPrograma de Pós-graduação em MatemáticaCabral, Celso Rômulo Barbosahttp://lattes.cnpq.br/4430596586607764Matos, Larissa AvilaPereira, José Raimundo GomesMonteiro, Renata Evangelistahttp://lattes.cnpq.br/52256162112030802018-05-29T14:38:46Z2018-03-12info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfMONTEIRO, Renata Evangelista. Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica. 2018. 52 f. Dissertação (Mestrado em Matemática) - Universidade Federal do Amazonas, manaus, 2018.https://tede.ufam.edu.br/handle/tede/6417porhttp://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFAMinstname:Universidade Federal do Amazonas (UFAM)instacron:UFAM2018-05-30T12:50:39Zoai:https://tede.ufam.edu.br/handle/:tede/6417Biblioteca Digital de Teses e Dissertaçõeshttp://200.129.163.131:8080/PUBhttp://200.129.163.131:8080/oai/requestddbc@ufam.edu.br||ddbc@ufam.edu.bropendoar:65922018-05-30T12:50:39Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)false
dc.title.none.fl_str_mv Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
title Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
spellingShingle Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
Monteiro, Renata Evangelista
Distribuição normal assimétrica
Mistura de escala normal assimétrica
Mistura de modelos de regressão
Modelo com erro nas covariáveis.
Algoritmo MCMC
Skew-normal distribution
MCMC algorithm
Scale mixtures of skewnormal
Mixture of regression models
Measurement error model
CIÊNCIAS EXATAS E DA TERRA: MATEMÁTICA
title_short Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
title_full Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
title_fullStr Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
title_full_unstemmed Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
title_sort Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica
author Monteiro, Renata Evangelista
author_facet Monteiro, Renata Evangelista
http://lattes.cnpq.br/5225616211203080
author_role author
author2 http://lattes.cnpq.br/5225616211203080
author2_role author
dc.contributor.none.fl_str_mv Cabral, Celso Rômulo Barbosa
http://lattes.cnpq.br/4430596586607764
Matos, Larissa Avila
Pereira, José Raimundo Gomes
dc.contributor.author.fl_str_mv Monteiro, Renata Evangelista
http://lattes.cnpq.br/5225616211203080
dc.subject.por.fl_str_mv Distribuição normal assimétrica
Mistura de escala normal assimétrica
Mistura de modelos de regressão
Modelo com erro nas covariáveis.
Algoritmo MCMC
Skew-normal distribution
MCMC algorithm
Scale mixtures of skewnormal
Mixture of regression models
Measurement error model
CIÊNCIAS EXATAS E DA TERRA: MATEMÁTICA
topic Distribuição normal assimétrica
Mistura de escala normal assimétrica
Mistura de modelos de regressão
Modelo com erro nas covariáveis.
Algoritmo MCMC
Skew-normal distribution
MCMC algorithm
Scale mixtures of skewnormal
Mixture of regression models
Measurement error model
CIÊNCIAS EXATAS E DA TERRA: MATEMÁTICA
description A estimação tradicional em mistura de modelos de regressão é baseada na suposição de normalidade para os erros aleatórios, sendo assim, sensível a outliers, caudas pesadas e erros assimétricos. Outra desvantagem é que, em geral, a análise é restrita a preditores que são observados diretamente. Apresentamos uma proposta para lidar com estas questões simultaneamente no contexto de mistura de regressões estendendo o modelo normal clássico. Assumimos que, conjuntamente e em cada componente da mistura, os erros aleatórios e as covariáveis seguem uma mistura de escala da distribuição normal assimétrica. Além disso, é feita a suposição de que as covariáveis são observadas com erro aditivo. Um algorítmo do tipo MCMC foi desenvolvido para realizar inferência Bayesiana. A eficácia do modelo proposto é verificada via análises de dados simulados e reais.
publishDate 2018
dc.date.none.fl_str_mv 2018-05-29T14:38:46Z
2018-03-12
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv MONTEIRO, Renata Evangelista. Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica. 2018. 52 f. Dissertação (Mestrado em Matemática) - Universidade Federal do Amazonas, manaus, 2018.
https://tede.ufam.edu.br/handle/tede/6417
identifier_str_mv MONTEIRO, Renata Evangelista. Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica. 2018. 52 f. Dissertação (Mestrado em Matemática) - Universidade Federal do Amazonas, manaus, 2018.
url https://tede.ufam.edu.br/handle/tede/6417
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/4.0/
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Ciências Exatas
Brasil
UFAM
Programa de Pós-graduação em Matemática
publisher.none.fl_str_mv Universidade Federal do Amazonas
Instituto de Ciências Exatas
Brasil
UFAM
Programa de Pós-graduação em Matemática
dc.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFAM
instname:Universidade Federal do Amazonas (UFAM)
instacron:UFAM
instname_str Universidade Federal do Amazonas (UFAM)
instacron_str UFAM
institution UFAM
reponame_str Biblioteca Digital de Teses e Dissertações da UFAM
collection Biblioteca Digital de Teses e Dissertações da UFAM
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFAM - Universidade Federal do Amazonas (UFAM)
repository.mail.fl_str_mv ddbc@ufam.edu.br||ddbc@ufam.edu.br
_version_ 1809732027115634688

Registros relacionados