Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos

Detalhes bibliográficos
Autor(a) principal: SOSSA, Codjo Olivier
Data de Publicação: 2023
Tipo de documento: Tese
Idioma: por
Título da fonte: Repositório Institucional da UFPE
Texto Completo: https://repositorio.ufpe.br/handle/123456789/50326
Resumo: Nesta tese, estendemos a classe dos modelos não lineares simétricos heteroscedásticos (MNLSH) permitindo que as funções de ligação da média e da dispersão possam ser funções não lineares que dependem de um conjunto de parâmetros desconhecidos a serem estimados, tendo a heteroscedasticidade multiplicativa como um caso particular. Quatro linhas de pesquisa são abordadas neste trabalho. A primeira, trata da derivação de expressões analíticas que permitam calcular os vieses dos estimadores de máxima verossimilhança via Cox e Snell (1968) na classe dos MNLSH, possibilitando a obtenção de estimadores corrigidos, que, em princípio, são mais precisos que os não corrigidos. Estimadores com vieses corrigidos por bootstrap também foram considerados. Adicionalmente, apresentamos diferentes tipos de intervalos de confiança. Na segunda e a terceira linha de pesquisa derivamos expressões matriciais para os fatores de correção Bartlett e tipo-Bartlett às estatísticas de testes da razão de verossimilhanças e escore, respectivamente, com o objetivo de melhorar a qualidade das inferências acerca dos parâmetros de regressão da média e da dispersão nos MNLSH. Os desempenhos dos estimadores e testes de hipóteses foram avaliados numericamente e comparados às suas versões não corrigidas através de estudos de simulação de Monte Carlo, no que tange ao tamanho e ao poder, em amostras finitas. A quarta linha de pesquisa trata de técnicas de diagnóstico para os MNLSH, a saber: alavancagem generalizada, influência local e global. Finalmente, um conjunto de dados é utilizado para avaliar os nossos resultados teóricos.
id UFPE_41f0fa62759cd72b29f10f0c797f6175
oai_identifier_str oai:repositorio.ufpe.br:123456789/50326
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str 2221
spelling SOSSA, Codjo Olivierhttp://lattes.cnpq.br/1718734960996606http://lattes.cnpq.br/3295616000667012CYSNEIROS, Audrey Helen Mariz de Aquino2023-05-18T14:09:07Z2023-05-18T14:09:07Z2023-02-28SOSSA, Codjo Olivier. Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos. 2023. Tese (Doutorado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.https://repositorio.ufpe.br/handle/123456789/50326Nesta tese, estendemos a classe dos modelos não lineares simétricos heteroscedásticos (MNLSH) permitindo que as funções de ligação da média e da dispersão possam ser funções não lineares que dependem de um conjunto de parâmetros desconhecidos a serem estimados, tendo a heteroscedasticidade multiplicativa como um caso particular. Quatro linhas de pesquisa são abordadas neste trabalho. A primeira, trata da derivação de expressões analíticas que permitam calcular os vieses dos estimadores de máxima verossimilhança via Cox e Snell (1968) na classe dos MNLSH, possibilitando a obtenção de estimadores corrigidos, que, em princípio, são mais precisos que os não corrigidos. Estimadores com vieses corrigidos por bootstrap também foram considerados. Adicionalmente, apresentamos diferentes tipos de intervalos de confiança. Na segunda e a terceira linha de pesquisa derivamos expressões matriciais para os fatores de correção Bartlett e tipo-Bartlett às estatísticas de testes da razão de verossimilhanças e escore, respectivamente, com o objetivo de melhorar a qualidade das inferências acerca dos parâmetros de regressão da média e da dispersão nos MNLSH. Os desempenhos dos estimadores e testes de hipóteses foram avaliados numericamente e comparados às suas versões não corrigidas através de estudos de simulação de Monte Carlo, no que tange ao tamanho e ao poder, em amostras finitas. A quarta linha de pesquisa trata de técnicas de diagnóstico para os MNLSH, a saber: alavancagem generalizada, influência local e global. Finalmente, um conjunto de dados é utilizado para avaliar os nossos resultados teóricos.FACEPEIn this thesis, we extend the class of symmetric heteroscedastic nonlinear models (MNLSH) by allowing the link functions of the mean and dispersion to be nonlinear functions that de- pend on a set of unknown parameters to be estimated, with multiplicative heteroscedasticity as a particular case. Four lines of research are addressed in this work. The first one deals with the derivation of analytical expressions that allow calculating the biases of maximum likelihood estimators via Cox e Snell (1968) in the class of MNLSH, making it possible to obtain corrected estimators, which, in principle, are more accurate than the uncorrected ones. Estimators with bootstrap corrected biases were also considered. Additionally, we present dif- ferent types of confidence intervals. In the second and third line of research we derived matrix expressions for the Bartlett and type-Bartlett correction factors to the likelihood ratio and score test statistics, respectively, in order to of improving the quality of inferences about the regression parameters of the mean and dispersion in MNLSH. The performances of the es- timators and hypothesis tests were numerically evaluated and compared to their uncorrected versions through Monte Carlo simulation Monte Carlo simulation studies, with respect to size and power, on finite samples. The fourth line of research deals with diagnostic techniques for MNLSHs, namely generalized leverage, local and global influence. Finally, a dataset is used to evaluate our theoretical results.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessEstatística matemáticaCorreção de viésVerossimilhançaTeoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisdoutoradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALTESE Codjo Olivier Sossa.pdfTESE Codjo Olivier Sossa.pdfapplication/pdf2371594https://repositorio.ufpe.br/bitstream/123456789/50326/1/TESE%20Codjo%20Olivier%20Sossa.pdf84f1b2b8566bcaf9a9a7fb807c16c338MD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/50326/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/50326/3/license.txt5e89a1613ddc8510c6576f4b23a78973MD53TEXTTESE Codjo Olivier Sossa.pdf.txtTESE Codjo Olivier Sossa.pdf.txtExtracted texttext/plain586248https://repositorio.ufpe.br/bitstream/123456789/50326/4/TESE%20Codjo%20Olivier%20Sossa.pdf.txtb529291813dee60dbcf9712b701763efMD54THUMBNAILTESE Codjo Olivier Sossa.pdf.jpgTESE Codjo Olivier Sossa.pdf.jpgGenerated Thumbnailimage/jpeg1212https://repositorio.ufpe.br/bitstream/123456789/50326/5/TESE%20Codjo%20Olivier%20Sossa.pdf.jpgcaf86a1441cccc126f59ebecd561001eMD55123456789/503262023-05-19 02:35:52.886oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212023-05-19T05:35:52Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
title Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
spellingShingle Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
SOSSA, Codjo Olivier
Estatística matemática
Correção de viés
Verossimilhança
title_short Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
title_full Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
title_fullStr Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
title_full_unstemmed Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
title_sort Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
author SOSSA, Codjo Olivier
author_facet SOSSA, Codjo Olivier
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/1718734960996606
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/3295616000667012
dc.contributor.author.fl_str_mv SOSSA, Codjo Olivier
dc.contributor.advisor1.fl_str_mv CYSNEIROS, Audrey Helen Mariz de Aquino
contributor_str_mv CYSNEIROS, Audrey Helen Mariz de Aquino
dc.subject.por.fl_str_mv Estatística matemática
Correção de viés
Verossimilhança
topic Estatística matemática
Correção de viés
Verossimilhança
description Nesta tese, estendemos a classe dos modelos não lineares simétricos heteroscedásticos (MNLSH) permitindo que as funções de ligação da média e da dispersão possam ser funções não lineares que dependem de um conjunto de parâmetros desconhecidos a serem estimados, tendo a heteroscedasticidade multiplicativa como um caso particular. Quatro linhas de pesquisa são abordadas neste trabalho. A primeira, trata da derivação de expressões analíticas que permitam calcular os vieses dos estimadores de máxima verossimilhança via Cox e Snell (1968) na classe dos MNLSH, possibilitando a obtenção de estimadores corrigidos, que, em princípio, são mais precisos que os não corrigidos. Estimadores com vieses corrigidos por bootstrap também foram considerados. Adicionalmente, apresentamos diferentes tipos de intervalos de confiança. Na segunda e a terceira linha de pesquisa derivamos expressões matriciais para os fatores de correção Bartlett e tipo-Bartlett às estatísticas de testes da razão de verossimilhanças e escore, respectivamente, com o objetivo de melhorar a qualidade das inferências acerca dos parâmetros de regressão da média e da dispersão nos MNLSH. Os desempenhos dos estimadores e testes de hipóteses foram avaliados numericamente e comparados às suas versões não corrigidas através de estudos de simulação de Monte Carlo, no que tange ao tamanho e ao poder, em amostras finitas. A quarta linha de pesquisa trata de técnicas de diagnóstico para os MNLSH, a saber: alavancagem generalizada, influência local e global. Finalmente, um conjunto de dados é utilizado para avaliar os nossos resultados teóricos.
publishDate 2023
dc.date.accessioned.fl_str_mv 2023-05-18T14:09:07Z
dc.date.available.fl_str_mv 2023-05-18T14:09:07Z
dc.date.issued.fl_str_mv 2023-02-28
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.citation.fl_str_mv SOSSA, Codjo Olivier. Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos. 2023. Tese (Doutorado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/50326
identifier_str_mv SOSSA, Codjo Olivier. Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos. 2023. Tese (Doutorado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.
url https://repositorio.ufpe.br/handle/123456789/50326
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv openAccess
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.publisher.program.fl_str_mv Programa de Pos Graduacao em Estatistica
dc.publisher.initials.fl_str_mv UFPE
dc.publisher.country.fl_str_mv Brasil
publisher.none.fl_str_mv Universidade Federal de Pernambuco
dc.source.none.fl_str_mv reponame:Repositório Institucional da UFPE
instname:Universidade Federal de Pernambuco (UFPE)
instacron:UFPE
instname_str Universidade Federal de Pernambuco (UFPE)
instacron_str UFPE
institution UFPE
reponame_str Repositório Institucional da UFPE
collection Repositório Institucional da UFPE
bitstream.url.fl_str_mv https://repositorio.ufpe.br/bitstream/123456789/50326/1/TESE%20Codjo%20Olivier%20Sossa.pdf
https://repositorio.ufpe.br/bitstream/123456789/50326/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/50326/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/50326/4/TESE%20Codjo%20Olivier%20Sossa.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/50326/5/TESE%20Codjo%20Olivier%20Sossa.pdf.jpg
bitstream.checksum.fl_str_mv 84f1b2b8566bcaf9a9a7fb807c16c338
e39d27027a6cc9cb039ad269a5db8e34
5e89a1613ddc8510c6576f4b23a78973
b529291813dee60dbcf9712b701763ef
caf86a1441cccc126f59ebecd561001e
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1802310775416553472