Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFPE |
Texto Completo: | https://repositorio.ufpe.br/handle/123456789/38517 |
Resumo: | Nesta dissertação, foi estudado o modelo de regressão binária com erro de classificação, que está associado à variável resposta; e erro de medida. O problema de erro de medida está associado à variável independente, que é muitas vezes custoso ou impossível de mensurar. Por isso, faz-se necessário considerar uma variável substituta. Em modelos lineares, é frequentemente assumido que as observações seguem uma distribuição normal, porém nem sempre essa suposição é válida. Portanto, neste trabalho propomos um modelo de regressão binária sujeito a erro de classificação e erro de medida do tipo Berkson na variável preditora, e o erro de medida segue distribuição normal assimétrica. Tal distribuição foi introduzida por AZZALINI (1985) e é importante para modelar a assimetria da distribuição dos dados. Assim, os efeitos dos erros de medida e dos erros de classificação são investigados através de um estudo de simulação de Monte Carlo. Finalmente, foi apresentado e explorado uma aplicação em dados reais. |
id |
UFPE_e4246e9a9f959ecf5ba144da817e0902 |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/38517 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
2221 |
spelling |
LIMA, Larissa dos Santoshttp://lattes.cnpq.br/6440196676626449http://lattes.cnpq.br/9978732270492753ACHIC, Betsabé Grimalda Blas2020-11-09T10:56:15Z2020-11-09T10:56:15Z2020-02-27LIMA, Larissa dos Santos. Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico. 2020. Dissertação (Mestrado em Estatística) - Universidade Federal de Pernambuco, Recife, 2020.https://repositorio.ufpe.br/handle/123456789/38517Nesta dissertação, foi estudado o modelo de regressão binária com erro de classificação, que está associado à variável resposta; e erro de medida. O problema de erro de medida está associado à variável independente, que é muitas vezes custoso ou impossível de mensurar. Por isso, faz-se necessário considerar uma variável substituta. Em modelos lineares, é frequentemente assumido que as observações seguem uma distribuição normal, porém nem sempre essa suposição é válida. Portanto, neste trabalho propomos um modelo de regressão binária sujeito a erro de classificação e erro de medida do tipo Berkson na variável preditora, e o erro de medida segue distribuição normal assimétrica. Tal distribuição foi introduzida por AZZALINI (1985) e é importante para modelar a assimetria da distribuição dos dados. Assim, os efeitos dos erros de medida e dos erros de classificação são investigados através de um estudo de simulação de Monte Carlo. Finalmente, foi apresentado e explorado uma aplicação em dados reais.FACEPEIn this master’s thesis, was studied the binary regression model with misclassification, that is associated to the response variable; and measurement error. The measurement error problem is associated with the independent variable, which is mostly costly or impossible to be measured. Therefore, it is necessary to consider a substitute variable. In linear models, was often assumed that the observations follow a normal distribution, but this assumption is not always valid. Therefore, was proposed the binary regression model is subject to misclassification and measurement error of Berkson type on the predictor variable, and the measurement errors follow a skew normal distribution. This distribution was introduced by AZZALINI (1985) and it is useful on modeling asymmetric data distribution. Thus, the misclassification and measurement error effects are investigated by a simulation study, using the Monte Carlo’s simulation aproach. An application was also presented and explored, and finally the conclusion about this study was presented.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/embargoedAccessEstatística matemáticaErro de medidaAssimetriaModelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétricoinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPECC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/38517/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52ORIGINALDISSERTAÇÃO Larissa dos Santos Lima.pdfDISSERTAÇÃO Larissa dos Santos Lima.pdfapplication/pdf753842https://repositorio.ufpe.br/bitstream/123456789/38517/4/DISSERTA%c3%87%c3%83O%20Larissa%20dos%20Santos%20Lima.pdf7972012997bb5eb667b6061b201dbb52MD54LICENSElicense.txtlicense.txttext/plain; charset=utf-82310https://repositorio.ufpe.br/bitstream/123456789/38517/5/license.txtbd573a5ca8288eb7272482765f819534MD55TEXTDISSERTAÇÃO Larissa dos Santos Lima.pdf.txtDISSERTAÇÃO Larissa dos Santos Lima.pdf.txtExtracted texttext/plain101552https://repositorio.ufpe.br/bitstream/123456789/38517/6/DISSERTA%c3%87%c3%83O%20Larissa%20dos%20Santos%20Lima.pdf.txt384761659f3243030a31c0710c30d966MD56THUMBNAILDISSERTAÇÃO Larissa dos Santos Lima.pdf.jpgDISSERTAÇÃO Larissa dos Santos Lima.pdf.jpgGenerated Thumbnailimage/jpeg1265https://repositorio.ufpe.br/bitstream/123456789/38517/7/DISSERTA%c3%87%c3%83O%20Larissa%20dos%20Santos%20Lima.pdf.jpg94a276bb5718de9583c20fa8cd09c159MD57123456789/385172020-11-10 02:15:41.217oai:repositorio.ufpe.br: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ório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212020-11-10T05:15:41Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico |
title |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico |
spellingShingle |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico LIMA, Larissa dos Santos Estatística matemática Erro de medida Assimetria |
title_short |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico |
title_full |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico |
title_fullStr |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico |
title_full_unstemmed |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico |
title_sort |
Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico |
author |
LIMA, Larissa dos Santos |
author_facet |
LIMA, Larissa dos Santos |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/6440196676626449 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/9978732270492753 |
dc.contributor.author.fl_str_mv |
LIMA, Larissa dos Santos |
dc.contributor.advisor1.fl_str_mv |
ACHIC, Betsabé Grimalda Blas |
contributor_str_mv |
ACHIC, Betsabé Grimalda Blas |
dc.subject.por.fl_str_mv |
Estatística matemática Erro de medida Assimetria |
topic |
Estatística matemática Erro de medida Assimetria |
description |
Nesta dissertação, foi estudado o modelo de regressão binária com erro de classificação, que está associado à variável resposta; e erro de medida. O problema de erro de medida está associado à variável independente, que é muitas vezes custoso ou impossível de mensurar. Por isso, faz-se necessário considerar uma variável substituta. Em modelos lineares, é frequentemente assumido que as observações seguem uma distribuição normal, porém nem sempre essa suposição é válida. Portanto, neste trabalho propomos um modelo de regressão binária sujeito a erro de classificação e erro de medida do tipo Berkson na variável preditora, e o erro de medida segue distribuição normal assimétrica. Tal distribuição foi introduzida por AZZALINI (1985) e é importante para modelar a assimetria da distribuição dos dados. Assim, os efeitos dos erros de medida e dos erros de classificação são investigados através de um estudo de simulação de Monte Carlo. Finalmente, foi apresentado e explorado uma aplicação em dados reais. |
publishDate |
2020 |
dc.date.accessioned.fl_str_mv |
2020-11-09T10:56:15Z |
dc.date.available.fl_str_mv |
2020-11-09T10:56:15Z |
dc.date.issued.fl_str_mv |
2020-02-27 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.citation.fl_str_mv |
LIMA, Larissa dos Santos. Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico. 2020. Dissertação (Mestrado em Estatística) - Universidade Federal de Pernambuco, Recife, 2020. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/38517 |
identifier_str_mv |
LIMA, Larissa dos Santos. Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico. 2020. Dissertação (Mestrado em Estatística) - Universidade Federal de Pernambuco, Recife, 2020. |
url |
https://repositorio.ufpe.br/handle/123456789/38517 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/embargoedAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
embargoedAccess |
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/123456789/38517/2/license_rdf https://repositorio.ufpe.br/bitstream/123456789/38517/4/DISSERTA%c3%87%c3%83O%20Larissa%20dos%20Santos%20Lima.pdf https://repositorio.ufpe.br/bitstream/123456789/38517/5/license.txt https://repositorio.ufpe.br/bitstream/123456789/38517/6/DISSERTA%c3%87%c3%83O%20Larissa%20dos%20Santos%20Lima.pdf.txt https://repositorio.ufpe.br/bitstream/123456789/38517/7/DISSERTA%c3%87%c3%83O%20Larissa%20dos%20Santos%20Lima.pdf.jpg |
bitstream.checksum.fl_str_mv |
e39d27027a6cc9cb039ad269a5db8e34 7972012997bb5eb667b6061b201dbb52 bd573a5ca8288eb7272482765f819534 384761659f3243030a31c0710c30d966 94a276bb5718de9583c20fa8cd09c159 |
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_ |
1802310840564580352 |