Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas
Autor(a) principal: | |
---|---|
Data de Publicação: | 2016 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFMG |
Texto Completo: | http://hdl.handle.net/1843/ICED-AM6U69 |
Resumo: | A ampla utilização dos modelos de regressão para descrever fenômenos em diversas áreas do conhecimento motiva as pesquisas estatísticas a aperfeiçoar a formulação destas técnicas. Uma etapa importante da modelagem que tem recebido atenção especial na literatura estatística é a análise de influência, definida como o estudo da dependência dos resultados fornecidos pelo modelo a pequenas perturbações em sua elaboração. O objetivo deste trabalho é construir medidas de influência global e local, considerando variável resposta censurada, para os modelos regressão linear e não linear utilizando distribuições da família Normal/Independente, e para modelos de regressão linear para dados longitudinais utilizando distribuição t de Student multivariada e estrutura de correlação damped exponential. Especificamente o foco é comparar os resultados obtidos na análise de influência feita via modelo Normal com os obtidos utilizando-se as distribuições de caudas pesadas. Os resultados obtidos via estudos de simulação e aplicações mostraram que os modelos de caudas pesadas são menos influenciados por observações discrepantes que o modelo Normal. Os achados deste estudo comprovam que além de gerarem resultados mais robustos na estimação, os modelos de caudas pesadas fornecem resultados mais estáveis, na presença de observações atípicas, que o modelo Normal. |
id |
UFMG_e16a9c741d44786fbfd41e592128325c |
---|---|
oai_identifier_str |
oai:repositorio.ufmg.br:1843/ICED-AM6U69 |
network_acronym_str |
UFMG |
network_name_str |
Repositório Institucional da UFMG |
repository_id_str |
|
spelling |
Marcos Oliveira PratesVictor Hugo LachosVinicius Diniz MayrinkIsabel Cristina Gomes2019-08-14T16:55:52Z2019-08-14T16:55:52Z2016-03-01http://hdl.handle.net/1843/ICED-AM6U69A ampla utilização dos modelos de regressão para descrever fenômenos em diversas áreas do conhecimento motiva as pesquisas estatísticas a aperfeiçoar a formulação destas técnicas. Uma etapa importante da modelagem que tem recebido atenção especial na literatura estatística é a análise de influência, definida como o estudo da dependência dos resultados fornecidos pelo modelo a pequenas perturbações em sua elaboração. O objetivo deste trabalho é construir medidas de influência global e local, considerando variável resposta censurada, para os modelos regressão linear e não linear utilizando distribuições da família Normal/Independente, e para modelos de regressão linear para dados longitudinais utilizando distribuição t de Student multivariada e estrutura de correlação damped exponential. Especificamente o foco é comparar os resultados obtidos na análise de influência feita via modelo Normal com os obtidos utilizando-se as distribuições de caudas pesadas. Os resultados obtidos via estudos de simulação e aplicações mostraram que os modelos de caudas pesadas são menos influenciados por observações discrepantes que o modelo Normal. Os achados deste estudo comprovam que além de gerarem resultados mais robustos na estimação, os modelos de caudas pesadas fornecem resultados mais estáveis, na presença de observações atípicas, que o modelo Normal.Universidade Federal de Minas GeraisUFMGAnálise de regressãoEstatísticaEstatisticaDados censuradosDistribuições de caudas pesadasDiagnóstico de influênciaDados censuradosDistribuições Normais/IndependentesModelos de regressãoDiagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisinfo:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFMGinstname:Universidade Federal de Minas Gerais (UFMG)instacron:UFMGORIGINALtese_isabel_gomes_moura.pdfapplication/pdf1492476https://repositorio.ufmg.br/bitstream/1843/ICED-AM6U69/1/tese_isabel_gomes_moura.pdfd3fdf36dab1931a1728d797e0d6b2599MD51TEXTtese_isabel_gomes_moura.pdf.txttese_isabel_gomes_moura.pdf.txtExtracted texttext/plain233861https://repositorio.ufmg.br/bitstream/1843/ICED-AM6U69/2/tese_isabel_gomes_moura.pdf.txtcb33be943e9208949c8b9274f6f88aa5MD521843/ICED-AM6U692019-11-14 13:31:47.338oai:repositorio.ufmg.br:1843/ICED-AM6U69Repositório de PublicaçõesPUBhttps://repositorio.ufmg.br/oaiopendoar:2019-11-14T16:31:47Repositório Institucional da UFMG - Universidade Federal de Minas Gerais (UFMG)false |
dc.title.pt_BR.fl_str_mv |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas |
title |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas |
spellingShingle |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas Isabel Cristina Gomes Diagnóstico de influência Dados censurados Distribuições Normais/Independentes Modelos de regressão Análise de regressão Estatística Estatistica Dados censurados Distribuições de caudas pesadas |
title_short |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas |
title_full |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas |
title_fullStr |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas |
title_full_unstemmed |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas |
title_sort |
Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas |
author |
Isabel Cristina Gomes |
author_facet |
Isabel Cristina Gomes |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Marcos Oliveira Prates |
dc.contributor.advisor-co1.fl_str_mv |
Victor Hugo Lachos |
dc.contributor.referee1.fl_str_mv |
Vinicius Diniz Mayrink |
dc.contributor.author.fl_str_mv |
Isabel Cristina Gomes |
contributor_str_mv |
Marcos Oliveira Prates Victor Hugo Lachos Vinicius Diniz Mayrink |
dc.subject.por.fl_str_mv |
Diagnóstico de influência Dados censurados Distribuições Normais/Independentes Modelos de regressão |
topic |
Diagnóstico de influência Dados censurados Distribuições Normais/Independentes Modelos de regressão Análise de regressão Estatística Estatistica Dados censurados Distribuições de caudas pesadas |
dc.subject.other.pt_BR.fl_str_mv |
Análise de regressão Estatística Estatistica Dados censurados Distribuições de caudas pesadas |
description |
A ampla utilização dos modelos de regressão para descrever fenômenos em diversas áreas do conhecimento motiva as pesquisas estatísticas a aperfeiçoar a formulação destas técnicas. Uma etapa importante da modelagem que tem recebido atenção especial na literatura estatística é a análise de influência, definida como o estudo da dependência dos resultados fornecidos pelo modelo a pequenas perturbações em sua elaboração. O objetivo deste trabalho é construir medidas de influência global e local, considerando variável resposta censurada, para os modelos regressão linear e não linear utilizando distribuições da família Normal/Independente, e para modelos de regressão linear para dados longitudinais utilizando distribuição t de Student multivariada e estrutura de correlação damped exponential. Especificamente o foco é comparar os resultados obtidos na análise de influência feita via modelo Normal com os obtidos utilizando-se as distribuições de caudas pesadas. Os resultados obtidos via estudos de simulação e aplicações mostraram que os modelos de caudas pesadas são menos influenciados por observações discrepantes que o modelo Normal. Os achados deste estudo comprovam que além de gerarem resultados mais robustos na estimação, os modelos de caudas pesadas fornecem resultados mais estáveis, na presença de observações atípicas, que o modelo Normal. |
publishDate |
2016 |
dc.date.issued.fl_str_mv |
2016-03-01 |
dc.date.accessioned.fl_str_mv |
2019-08-14T16:55:52Z |
dc.date.available.fl_str_mv |
2019-08-14T16:55:52Z |
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/ICED-AM6U69 |
url |
http://hdl.handle.net/1843/ICED-AM6U69 |
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/ICED-AM6U69/1/tese_isabel_gomes_moura.pdf https://repositorio.ufmg.br/bitstream/1843/ICED-AM6U69/2/tese_isabel_gomes_moura.pdf.txt |
bitstream.checksum.fl_str_mv |
d3fdf36dab1931a1728d797e0d6b2599 cb33be943e9208949c8b9274f6f88aa5 |
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_ |
1803589147738243072 |