Teoria assintótica de alta ordem nos modelos não lineares simétricos heteroscedásticos
Autor(a) principal: | |
---|---|
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 |