Uma abordagem via mistura finita para modelos de regressão linear com erro nas variáveis

• Autor(a) principal: Carla Paula Moreira Soares
• Data de Publicação: 2020
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UFMG
• Texto Completo: http://hdl.handle.net/1843/36547
• topic: Erro de medida; Mistura Finita; Regressão Linear; Inferência Bayesiana; Estatística – Teses; Erro de medida – Teses; Mistura finita – Teses; Teoria bayesiana de decisão estatistica – Teses; Análise de regressão - Teses

Em modelos de regressão linear com erros de medida, ocorre com grande frequência de a suposição usual de normalidade para o erro de medida não ser a mais adequada para os dados em questão. Isso pode ser evidenciado em casos que o erro de medida apresenta um comportamento que não coincide com os de diferentes subgrupos da população. O presente trabalho propõe uma distribuição de mistura finita de skew-normal com um ponto de massa em zero. Essa distribuição permite uma flexibilidade nos erros acomodando tanto simetria quando assimetria no mesmo. Para realizar inferência Bayesiana desenvolve-se um algoritmo do tipo Gibbs com passo Metropolis-Hasting. Para avaliar o desempenho das estimativas apresenta-se um estudo de simulação com diferentes simetrias e assimetrias no erro de medida e também com conjuntos de dados reais.