O modelo de regressão GJS inflacionado em zero ou um
Autor(a) principal: | |
---|---|
Data de Publicação: | 2018 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRN |
Texto Completo: | https://repositorio.ufrn.br/jspui/handle/123456789/26152 |
Resumo: | Em uma ampla variedade de problemas envolvendo taxas, frações e proporções, a variável de interesse pode assumir não apenas valores no intervalo (0, 1) como, também, os valores zero ou um. Nessas situações, o modelo de regressão beta, que é uma alternativa para modelagem de dados no intervalo (0, 1), não é adequado, já que a variável resposta é discreta nos pontos zero e/ou um e contínua no intervalo (0, 1). O modelo de regressão beta inflacionado de zero ou um pode ser utilizado nestes casos. Este trabalho tem como objetivo desenvolver uma alternativa ao modelo de regressão beta inflacionado para análise de taxas e proporções na presença de zeros ou uns. O modelo de regressão proposto é baseado na distribuição GJS (LEMONTE; BAZÁN, 2016). Apresentamos a distribuição GJS inflacionada de zero ou um, seu respectivo modelo de regressão e abordamos aspectos inferenciais para a estimação dos parâmetros do modelo. Além disso, avaliamos o desempenho dos estimadores através de simulaçõs Monte Carlo. Adicionalmente, propomos resíduos para o modelo de regressão GJS inflacionado e aplicamos a técnica de influência local baseada na curvatura normal para identificar possíveis pontos influentes. Ilustramos a metodologia desenvolvida mediante duas aplicações a conjuntos de dados reais. |
id |
UFRN_aa1797578e5b82cd7aaae151809d834a |
---|---|
oai_identifier_str |
oai:https://repositorio.ufrn.br:123456789/26152 |
network_acronym_str |
UFRN |
network_name_str |
Repositório Institucional da UFRN |
repository_id_str |
|
spelling |
Queiroz, Francisco Felipe deMedeiros, Francisco Moisés Cândido deFerrari, Silvia Lopes de PaulaLemonte, Artur José2018-11-23T20:26:06Z2018-11-23T20:26:06Z2018-07-31QUEIROZ, Francisco Felipe de. O modelo de regressão GJS inflacionado em zero ou um. 2018. 186f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018.https://repositorio.ufrn.br/jspui/handle/123456789/26152Em uma ampla variedade de problemas envolvendo taxas, frações e proporções, a variável de interesse pode assumir não apenas valores no intervalo (0, 1) como, também, os valores zero ou um. Nessas situações, o modelo de regressão beta, que é uma alternativa para modelagem de dados no intervalo (0, 1), não é adequado, já que a variável resposta é discreta nos pontos zero e/ou um e contínua no intervalo (0, 1). O modelo de regressão beta inflacionado de zero ou um pode ser utilizado nestes casos. Este trabalho tem como objetivo desenvolver uma alternativa ao modelo de regressão beta inflacionado para análise de taxas e proporções na presença de zeros ou uns. O modelo de regressão proposto é baseado na distribuição GJS (LEMONTE; BAZÁN, 2016). Apresentamos a distribuição GJS inflacionada de zero ou um, seu respectivo modelo de regressão e abordamos aspectos inferenciais para a estimação dos parâmetros do modelo. Além disso, avaliamos o desempenho dos estimadores através de simulaçõs Monte Carlo. Adicionalmente, propomos resíduos para o modelo de regressão GJS inflacionado e aplicamos a técnica de influência local baseada na curvatura normal para identificar possíveis pontos influentes. Ilustramos a metodologia desenvolvida mediante duas aplicações a conjuntos de dados reais.Beta regression models are useful for modeling random variables that assume values in the standard unit interval, such as rates and proportions. Such models cannot be used when the data contain zeros and/or ones. In this case, usual regression models, such as normal linear or nonlinear regression models, are not suitable. The principal aim of this work is to propose a mixed continuous-discrete distributions to model data observed on the intervals [0, 1) or (0, 1] and its associated regression model. The GJS distribution is used to describe the continuous component of the model. The parameters of the mixture distribution are modelled as functions of regression parameters. We study the performance of the maximum likelihood estimators through Monte Carlo simulations. Also, we define a residual for the proposed regression model to assess departures from model assumptions as well as to detect outlying observations, and discuss some influence methods such as the local influence. Finally, applications to real data are presented to show the usefulness of the new regression model.Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES)porCNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICADistribuição GJSModelo de regressão beta inflacionadoModelo de regressão GJSRegressão betaO modelo de regressão GJS inflacionado em zero ou umA zero-or-one inflated GJS regression modelsinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisPROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICAUFRNBrasilinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRNinstname:Universidade Federal do Rio Grande do Norte (UFRN)instacron:UFRNTEXTModeloregressãoGJS_Queiroz_2018.pdf.txtModeloregressãoGJS_Queiroz_2018.pdf.txtExtracted texttext/plain307976https://repositorio.ufrn.br/bitstream/123456789/26152/2/Modeloregress%c3%a3oGJS_Queiroz_2018.pdf.txt16127a2adfabc52f17873580440e1e11MD52THUMBNAILModeloregressãoGJS_Queiroz_2018.pdf.jpgModeloregressãoGJS_Queiroz_2018.pdf.jpgIM Thumbnailimage/jpeg2627https://repositorio.ufrn.br/bitstream/123456789/26152/3/Modeloregress%c3%a3oGJS_Queiroz_2018.pdf.jpgf4521b3df32c01a72c844b0baecf2ae9MD53ORIGINALModeloregressãoGJS_Queiroz_2018.pdfapplication/pdf6519276https://repositorio.ufrn.br/bitstream/123456789/26152/1/Modeloregress%c3%a3oGJS_Queiroz_2018.pdf0c4523c9ef016a54639ced9b5d934d6eMD51123456789/261522019-01-30 13:04:46.094oai:https://repositorio.ufrn.br:123456789/26152Repositório de PublicaçõesPUBhttp://repositorio.ufrn.br/oai/opendoar:2019-01-30T16:04:46Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN)false |
dc.title.pt_BR.fl_str_mv |
O modelo de regressão GJS inflacionado em zero ou um |
dc.title.alternative.pt_BR.fl_str_mv |
A zero-or-one inflated GJS regression models |
title |
O modelo de regressão GJS inflacionado em zero ou um |
spellingShingle |
O modelo de regressão GJS inflacionado em zero ou um Queiroz, Francisco Felipe de CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA Distribuição GJS Modelo de regressão beta inflacionado Modelo de regressão GJS Regressão beta |
title_short |
O modelo de regressão GJS inflacionado em zero ou um |
title_full |
O modelo de regressão GJS inflacionado em zero ou um |
title_fullStr |
O modelo de regressão GJS inflacionado em zero ou um |
title_full_unstemmed |
O modelo de regressão GJS inflacionado em zero ou um |
title_sort |
O modelo de regressão GJS inflacionado em zero ou um |
author |
Queiroz, Francisco Felipe de |
author_facet |
Queiroz, Francisco Felipe de |
author_role |
author |
dc.contributor.authorID.pt_BR.fl_str_mv |
|
dc.contributor.advisorID.pt_BR.fl_str_mv |
|
dc.contributor.referees1.none.fl_str_mv |
Medeiros, Francisco Moisés Cândido de |
dc.contributor.referees1ID.pt_BR.fl_str_mv |
|
dc.contributor.referees2.none.fl_str_mv |
Ferrari, Silvia Lopes de Paula |
dc.contributor.referees2ID.pt_BR.fl_str_mv |
|
dc.contributor.author.fl_str_mv |
Queiroz, Francisco Felipe de |
dc.contributor.advisor1.fl_str_mv |
Lemonte, Artur José |
contributor_str_mv |
Lemonte, Artur José |
dc.subject.cnpq.fl_str_mv |
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA |
topic |
CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA Distribuição GJS Modelo de regressão beta inflacionado Modelo de regressão GJS Regressão beta |
dc.subject.por.fl_str_mv |
Distribuição GJS Modelo de regressão beta inflacionado Modelo de regressão GJS Regressão beta |
description |
Em uma ampla variedade de problemas envolvendo taxas, frações e proporções, a variável de interesse pode assumir não apenas valores no intervalo (0, 1) como, também, os valores zero ou um. Nessas situações, o modelo de regressão beta, que é uma alternativa para modelagem de dados no intervalo (0, 1), não é adequado, já que a variável resposta é discreta nos pontos zero e/ou um e contínua no intervalo (0, 1). O modelo de regressão beta inflacionado de zero ou um pode ser utilizado nestes casos. Este trabalho tem como objetivo desenvolver uma alternativa ao modelo de regressão beta inflacionado para análise de taxas e proporções na presença de zeros ou uns. O modelo de regressão proposto é baseado na distribuição GJS (LEMONTE; BAZÁN, 2016). Apresentamos a distribuição GJS inflacionada de zero ou um, seu respectivo modelo de regressão e abordamos aspectos inferenciais para a estimação dos parâmetros do modelo. Além disso, avaliamos o desempenho dos estimadores através de simulaçõs Monte Carlo. Adicionalmente, propomos resíduos para o modelo de regressão GJS inflacionado e aplicamos a técnica de influência local baseada na curvatura normal para identificar possíveis pontos influentes. Ilustramos a metodologia desenvolvida mediante duas aplicações a conjuntos de dados reais. |
publishDate |
2018 |
dc.date.accessioned.fl_str_mv |
2018-11-23T20:26:06Z |
dc.date.available.fl_str_mv |
2018-11-23T20:26:06Z |
dc.date.issued.fl_str_mv |
2018-07-31 |
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 |
QUEIROZ, Francisco Felipe de. O modelo de regressão GJS inflacionado em zero ou um. 2018. 186f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018. |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufrn.br/jspui/handle/123456789/26152 |
identifier_str_mv |
QUEIROZ, Francisco Felipe de. O modelo de regressão GJS inflacionado em zero ou um. 2018. 186f. Dissertação (Mestrado em Matemática Aplicada e Estatística) - Centro de Ciências Exatas e da Terra, Universidade Federal do Rio Grande do Norte, Natal, 2018. |
url |
https://repositorio.ufrn.br/jspui/handle/123456789/26152 |
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.program.fl_str_mv |
PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA |
dc.publisher.initials.fl_str_mv |
UFRN |
dc.publisher.country.fl_str_mv |
Brasil |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRN instname:Universidade Federal do Rio Grande do Norte (UFRN) instacron:UFRN |
instname_str |
Universidade Federal do Rio Grande do Norte (UFRN) |
instacron_str |
UFRN |
institution |
UFRN |
reponame_str |
Repositório Institucional da UFRN |
collection |
Repositório Institucional da UFRN |
bitstream.url.fl_str_mv |
https://repositorio.ufrn.br/bitstream/123456789/26152/2/Modeloregress%c3%a3oGJS_Queiroz_2018.pdf.txt https://repositorio.ufrn.br/bitstream/123456789/26152/3/Modeloregress%c3%a3oGJS_Queiroz_2018.pdf.jpg https://repositorio.ufrn.br/bitstream/123456789/26152/1/Modeloregress%c3%a3oGJS_Queiroz_2018.pdf |
bitstream.checksum.fl_str_mv |
16127a2adfabc52f17873580440e1e11 f4521b3df32c01a72c844b0baecf2ae9 0c4523c9ef016a54639ced9b5d934d6e |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRN - Universidade Federal do Rio Grande do Norte (UFRN) |
repository.mail.fl_str_mv |
|
_version_ |
1802117696455704576 |