Família distribuição gama exponenciada

• Autor(a) principal: Aguilar, Guilherme Aparecido Santos [UNESP]
• Data de Publicação: 2017
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/149970
• topic: Gama exponenciada; Teoria de distribuições; Estimadores; Exponentiated Gamma; Theory of distributions; Estimators

Devido aos inúmeros campos para aplicações na Análise de Sobrevivência, diferentes funções de risco são necessárias para modelar os mais diversos casos em estudo. Portanto, ao criar novas distribuições pode-se obter diferentes funções de risco com suas diferentes curvas, que podem ser utilizadas para diversos tipos de dados. Serão apresentadas três novas distribuições de probabilidade, criadas a partir de três diferentes métodos, sendo a Gama Exponenciada Estendida de Marshall Olkin, Gama Exponenciada Poisson Truncada no Zero e também a Gama Exponenciada Bivariada. Para as distribuições de probabilidade univariadas foram obtidos resultados probabilísticos, tais como o n-ésimo momento; r-ésimo momento de vida média residual; r-ésimo momento de vida média residual invertido; ordenação estocástica; entropias; desvios médios; curvas de Bonferroni e de Lorenz; assimetria, curtose e seus gráficos; estatísticas de ordem e parâmetro stress − strength. Em relação a distribuição Gama Exponenciada Bivariada foi encontrada sua função acumulada; função densidade; função marginal; função condicional e seu n-ésimo momento. Para as novas distribuições univariadas encontradas, também foram feitas simulações para diferentes valores de parâmetros com o intuito de verificar qual o melhor método de estimação, para cada parâmetro de cada distribuição. Os métodos utilizados foram: estimador de máxima verossimilhança, Mínimos Quadrados, Mínimos Quadrados Ponderados, Cramér-von-Mises, Anderson Darling, Anderson Darling -RT (cauda à direita), Anderson Darling - LT (cauda à esquerda), Anderson Darling - 2LT (cauda à esquerda de segunda ordem), Kolmogorov e também foi utilizado o método Bayesiano com priori Gama. Por último foram também realizadas aplicações em um banco de dados, uma para cada distribuição univariada, onde foi comparado o ajuste das novas distribuições propostas com outras já conhecidas na literatura.