Modelo de regressão normal inversa gaussiana com erros nas variáveis
Autor(a) principal: | |
---|---|
Data de Publicação: | 2019 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
Texto Completo: | https://hdl.handle.net/20.500.12733/1639844 |
Resumo: | Orientador: Filidor Edilfonso Vilca Labra |
id |
UNICAMP-30_4302165a2d1aa9d235dc4d17675cdb9e |
---|---|
oai_identifier_str |
oai::1157155 |
network_acronym_str |
UNICAMP-30 |
network_name_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository_id_str |
|
spelling |
Modelo de regressão normal inversa gaussiana com erros nas variáveisMeasurement error regression under a normal inverse gaussian modelModelos com erros nas variáveisModelos de regressão (Estatística)Algoritmos de esperança-maximizaçãoDistribuições bivariadas (Estatística)Errors-in-variables modelsRegression models (Statistics)Expectation-maximization algorithmsBivariate distributions (Statistics)Orientador: Filidor Edilfonso Vilca LabraDissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação CientíficaResumo: As distribuições multivariadas de caudas pesadas têm encontrado muitas aplicações em estatística, onde a distribuição normal tem sido usada. A distribuição Normal Inversa Gaussianal (NIG) é uma mistura variância-média, de uma normal multivariada com uma distribuição univariada Inversa Gaussiana (IG). O principal objetivo deste trabalho é o estudo dos modelos estruturais com erros nas variáveis, sob a distribuição NIG simétrica multivariada. Assume-se que as variáveis observadas seguem uma distribuição NIG bivariada simétrica. Devido à complexidade da função de verossimilhança, a estimação dos parâmetros do modelo por maximização direta é extremamente difícil. Para superar este problema, propomos um algoritmo EM rápido e preciso, para obter as estimativa de máxima verossimilhança dos parâmetros. Discutimos aspectos da robustez do uso da distribuição NIG, que inclui a aplicação do método de detecção de observações atípicas no modelo com erros nas variáveis sob a distribuição NIG simétrica. Estudos de simulação e aplicações de um conjunto de dados reais, são fornecidos para ilustrar a metodologia propostaAbstract: The heavy-tailed multivariate distributions have found several applications in statistics, where the normal distribution has been used. The Normal Inverse Gaussian (NIG) distribution is a recent variance-mean mixture of a multivariate Gaussian with a univariate Inverse Gaussian (IG) distribution. The main object of this work is the study of the structural errors-in-variables models, under the symmetric Multivariate Normal Inverse Gaussian (NIG) distribution. It is assumed that the observed variables follow a symmetric bivariate NIG distribution. Due to the complexity of the likelihood function, the estimation of model parameters by direct maximization is exceedingly difficult. To overcome this problem, we propose a fast and accurate EM algorithm for the maximum likelihood estimation. We discuss aspects of robustness of the use of the NIG distribution, which includes the application of method to detect outlying observations in the error-in-variables model under the symmetric NIG distribution. Simulation studies and applications to real data set are given to illustrate the proposed methodologyMestradoEstatísticaMestra em EstatísticaCAPES001[s.n.]Vilca Labra, Filidor Edilfonso, 1964-Matos, Larissa AvilaPatriota, Alexandre GalvãoUniversidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação CientíficaPrograma de Pós-Graduação em EstatísticaUNIVERSIDADE ESTADUAL DE CAMPINASMonho, Thaís Castelo Branco, 1991-20192019-07-23T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdf1 recurso online ( 119 p.) : il., digital, arquivo PDF.https://hdl.handle.net/20.500.12733/1639844MONHO, Thaís Castelo Branco. Modelo de regressão normal inversa gaussiana com erros nas variáveis. 2019. 1 recurso online ( 119 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639844. Acesso em: 3 set. 2024.https://repositorio.unicamp.br/acervo/detalhe/1157155Requisitos do sistema: Software para leitura de arquivo em PDFporreponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP)instname:Universidade Estadual de Campinas (UNICAMP)instacron:UNICAMPinfo:eu-repo/semantics/openAccess2020-10-27T07:38:25Zoai::1157155Biblioteca Digital de Teses e DissertaçõesPUBhttp://repositorio.unicamp.br/oai/tese/oai.aspsbubd@unicamp.bropendoar:2020-10-27T07:38:25Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP)false |
dc.title.none.fl_str_mv |
Modelo de regressão normal inversa gaussiana com erros nas variáveis Measurement error regression under a normal inverse gaussian model |
title |
Modelo de regressão normal inversa gaussiana com erros nas variáveis |
spellingShingle |
Modelo de regressão normal inversa gaussiana com erros nas variáveis Monho, Thaís Castelo Branco, 1991- Modelos com erros nas variáveis Modelos de regressão (Estatística) Algoritmos de esperança-maximização Distribuições bivariadas (Estatística) Errors-in-variables models Regression models (Statistics) Expectation-maximization algorithms Bivariate distributions (Statistics) |
title_short |
Modelo de regressão normal inversa gaussiana com erros nas variáveis |
title_full |
Modelo de regressão normal inversa gaussiana com erros nas variáveis |
title_fullStr |
Modelo de regressão normal inversa gaussiana com erros nas variáveis |
title_full_unstemmed |
Modelo de regressão normal inversa gaussiana com erros nas variáveis |
title_sort |
Modelo de regressão normal inversa gaussiana com erros nas variáveis |
author |
Monho, Thaís Castelo Branco, 1991- |
author_facet |
Monho, Thaís Castelo Branco, 1991- |
author_role |
author |
dc.contributor.none.fl_str_mv |
Vilca Labra, Filidor Edilfonso, 1964- Matos, Larissa Avila Patriota, Alexandre Galvão Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica Programa de Pós-Graduação em Estatística UNIVERSIDADE ESTADUAL DE CAMPINAS |
dc.contributor.author.fl_str_mv |
Monho, Thaís Castelo Branco, 1991- |
dc.subject.por.fl_str_mv |
Modelos com erros nas variáveis Modelos de regressão (Estatística) Algoritmos de esperança-maximização Distribuições bivariadas (Estatística) Errors-in-variables models Regression models (Statistics) Expectation-maximization algorithms Bivariate distributions (Statistics) |
topic |
Modelos com erros nas variáveis Modelos de regressão (Estatística) Algoritmos de esperança-maximização Distribuições bivariadas (Estatística) Errors-in-variables models Regression models (Statistics) Expectation-maximization algorithms Bivariate distributions (Statistics) |
description |
Orientador: Filidor Edilfonso Vilca Labra |
publishDate |
2019 |
dc.date.none.fl_str_mv |
2019 2019-07-23T00:00:00Z |
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.uri.fl_str_mv |
https://hdl.handle.net/20.500.12733/1639844 MONHO, Thaís Castelo Branco. Modelo de regressão normal inversa gaussiana com erros nas variáveis. 2019. 1 recurso online ( 119 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639844. Acesso em: 3 set. 2024. |
url |
https://hdl.handle.net/20.500.12733/1639844 |
identifier_str_mv |
MONHO, Thaís Castelo Branco. Modelo de regressão normal inversa gaussiana com erros nas variáveis. 2019. 1 recurso online ( 119 p.) Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matemática Estatística e Computação Científica, Campinas, SP. Disponível em: https://hdl.handle.net/20.500.12733/1639844. Acesso em: 3 set. 2024. |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
https://repositorio.unicamp.br/acervo/detalhe/1157155 Requisitos do sistema: Software para leitura de arquivo em PDF |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf 1 recurso online ( 119 p.) : il., digital, arquivo PDF. |
dc.publisher.none.fl_str_mv |
[s.n.] |
publisher.none.fl_str_mv |
[s.n.] |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) instname:Universidade Estadual de Campinas (UNICAMP) instacron:UNICAMP |
instname_str |
Universidade Estadual de Campinas (UNICAMP) |
instacron_str |
UNICAMP |
institution |
UNICAMP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
collection |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da Universidade Estadual de Campinas (UNICAMP) - Universidade Estadual de Campinas (UNICAMP) |
repository.mail.fl_str_mv |
sbubd@unicamp.br |
_version_ |
1809189166220574720 |