Modelos de regressão normal independente com erros de medida e dados censurados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/BIRC-BB5Q9H |
Resumo: | Modelos com erros de medida (MEM) são úteis para descrever diferentes fenômenos em diversas áreas do conhecimento. São utilizados para comparar dispositivos de medição que variam em custo, tempo e eficiência. Embora vários modelos considerem a existência de covariáveis mal medidas, muitos deles não consideram observações censuradas para a variável resposta. Por outro lado, isto é fundamental uma vez que em vários estudos a resposta observada está sujeita a limites de detecção máximos e/ou mínimos. Neste contexto, estendemos o trabalho de Matos et al. (2016), que desenvolveram a estimação dos parâmetros do modelo com erros de medida multivariado usando a distribuição t-Student com observações censuradas, a uma classe mais geral de distribuições normal independente (t-Student multivariado e slash multivariado). Além de desenvolvermos os procedimentos de estimação e inferência robusta, no sentido de utilizar uma distribuição que acomode observações outliers de forma mais eficiente do que a distribuição normal, também realizamos um estudo de diagnóstico de influência global e local utilizando a metodologia proposta por Zhu e Lee (2001). |
id |
UFMG_d1b6398a1d3e19d12e969728791f40bf |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/BIRC-BB5Q9H |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Lourdes Coral Contreras MontenegroMarcos Oliveira PratesCristiano de Carvalho SantosCamila Borelli ZellerGustavo Henrique Mitraud Assis RochaAlejandro Guillermo Monzon Montoya2019-08-10T06:12:25Z2019-08-10T06:12:25Z2018-07-12http://hdl.handle.net/1843/BIRC-BB5Q9HModelos com erros de medida (MEM) são úteis para descrever diferentes fenômenos em diversas áreas do conhecimento. São utilizados para comparar dispositivos de medição que variam em custo, tempo e eficiência. Embora vários modelos considerem a existência de covariáveis mal medidas, muitos deles não consideram observações censuradas para a variável resposta. Por outro lado, isto é fundamental uma vez que em vários estudos a resposta observada está sujeita a limites de detecção máximos e/ou mínimos. Neste contexto, estendemos o trabalho de Matos et al. (2016), que desenvolveram a estimação dos parâmetros do modelo com erros de medida multivariado usando a distribuição t-Student com observações censuradas, a uma classe mais geral de distribuições normal independente (t-Student multivariado e slash multivariado). Além de desenvolvermos os procedimentos de estimação e inferência robusta, no sentido de utilizar uma distribuição que acomode observações outliers de forma mais eficiente do que a distribuição normal, também realizamos um estudo de diagnóstico de influência global e local utilizando a metodologia proposta por Zhu e Lee (2001).Measurement error models (MEM) are useful for describing different phenomena in several areas of knowledge. They are used to compare measuring devices that vary in cost, time and efficiency. Although several models consider the existence of poorly measured covariates, many of them do not consider censored observations for the response variable. On the other hand, this is fundamental since in several studies the observed response is subject to maximum and/or minimum detection limits. In this context, we extend the work of Matos et al. (2016), who developed the estimation of parameters of the model with a multivariate measurement error by using the Student-t distribution with censored observations, to a more general class of independent normal distributions (multivariate Student-t and multivariate slash). In addition to developing robust estimation and inference procedures in order to use a distribution that more efficiently accommodates outliers observations than the normal distribution, we also carry out a diagnostic study of global influence and local influence using the methodology proposed by Zhu e Lee (2001).Universidade Federal de Minas GeraisUFMGAnálise de regressãoEstatísticaAnálise multivariadadados censuradosAlgoritmo EMdistribuição normal independentemodelos com erros de medidaModelos de regressão normal independente com erros de medida e dados censuradosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtese.pdfapplication/pdf5290181https://repositorio.ufmg.br/bitstream/1843/BIRC-BB5Q9H/1/tese.pdfbb37aa0ec2104ee56b6ae4860d47a818MD51TEXTtese.pdf.txttese.pdf.txtExtracted texttext/plain145683https://repositorio.ufmg.br/bitstream/1843/BIRC-BB5Q9H/2/tese.pdf.txt77bd320b7a9ce2000fbe9c34d012f75cMD521843/BIRC-BB5Q9H2019-11-14 04:31:48.482oai:repositorio.ufmg.br:1843/BIRC-BB5Q9HRepositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T07:31:48Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Modelos de regressão normal independente com erros de medida e dados censurados |
title |
Modelos de regressão normal independente com erros de medida e dados censurados |
spellingShingle |
Modelos de regressão normal independente com erros de medida e dados censurados Alejandro Guillermo Monzon Montoya dados censurados Algoritmo EM distribuição normal independente modelos com erros de medida Análise de regressão Estatística Análise multivariada |
title_short |
Modelos de regressão normal independente com erros de medida e dados censurados |
title_full |
Modelos de regressão normal independente com erros de medida e dados censurados |
title_fullStr |
Modelos de regressão normal independente com erros de medida e dados censurados |
title_full_unstemmed |
Modelos de regressão normal independente com erros de medida e dados censurados |
title_sort |
Modelos de regressão normal independente com erros de medida e dados censurados |
author |
Alejandro Guillermo Monzon Montoya |
author_facet |
Alejandro Guillermo Monzon Montoya |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Lourdes Coral Contreras Montenegro |
dc.contributor.referee1.fl_str_mv |
Marcos Oliveira Prates |
dc.contributor.referee2.fl_str_mv |
Cristiano de Carvalho Santos |
dc.contributor.referee3.fl_str_mv |
Camila Borelli Zeller |
dc.contributor.referee4.fl_str_mv |
Gustavo Henrique Mitraud Assis Rocha |
dc.contributor.author.fl_str_mv |
Alejandro Guillermo Monzon Montoya |
contributor_str_mv |
Lourdes Coral Contreras Montenegro Marcos Oliveira Prates Cristiano de Carvalho Santos Camila Borelli Zeller Gustavo Henrique Mitraud Assis Rocha |
dc.subject.por.fl_str_mv |
dados censurados Algoritmo EM distribuição normal independente modelos com erros de medida |
topic |
dados censurados Algoritmo EM distribuição normal independente modelos com erros de medida Análise de regressão Estatística Análise multivariada |
dc.subject.other.pt_BR.fl_str_mv |
Análise de regressão Estatística Análise multivariada |
description |
Modelos com erros de medida (MEM) são úteis para descrever diferentes fenômenos em diversas áreas do conhecimento. São utilizados para comparar dispositivos de medição que variam em custo, tempo e eficiência. Embora vários modelos considerem a existência de covariáveis mal medidas, muitos deles não consideram observações censuradas para a variável resposta. Por outro lado, isto é fundamental uma vez que em vários estudos a resposta observada está sujeita a limites de detecção máximos e/ou mínimos. Neste contexto, estendemos o trabalho de Matos et al. (2016), que desenvolveram a estimação dos parâmetros do modelo com erros de medida multivariado usando a distribuição t-Student com observações censuradas, a uma classe mais geral de distribuições normal independente (t-Student multivariado e slash multivariado). Além de desenvolvermos os procedimentos de estimação e inferência robusta, no sentido de utilizar uma distribuição que acomode observações outliers de forma mais eficiente do que a distribuição normal, também realizamos um estudo de diagnóstico de influência global e local utilizando a metodologia proposta por Zhu e Lee (2001). |
publishDate |
2018 |
dc.date.issued.fl_str_mv |
2018-07-12 |
dc.date.accessioned.fl_str_mv |
2019-08-10T06:12:25Z |
dc.date.available.fl_str_mv |
2019-08-10T06:12:25Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/1843/BIRC-BB5Q9H |
url |
http://hdl.handle.net/1843/BIRC-BB5Q9H |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.publisher.initials.fl_str_mv |
UFMG |
publisher.none.fl_str_mv |
Universidade Federal de Minas Gerais |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFMG instname:Universidade Federal de Minas Gerais (UFMG) instacron:UFMG |
instname_str |
Universidade Federal de Minas Gerais (UFMG) |
instacron_str |
UFMG |
institution |
UFMG |
reponame_str |
Repositório Institucional da UFMG |
collection |
Repositório Institucional da UFMG |
bitstream.url.fl_str_mv |
https://repositorio.ufmg.br/bitstream/1843/BIRC-BB5Q9H/1/tese.pdf https://repositorio.ufmg.br/bitstream/1843/BIRC-BB5Q9H/2/tese.pdf.txt |
bitstream.checksum.fl_str_mv |
bb37aa0ec2104ee56b6ae4860d47a818 77bd320b7a9ce2000fbe9c34d012f75c |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG) |
repository.mail.fl_str_mv |
|
_version_ |
1803589366043377664 |