Análise clássica e bayesiana do modelo Weibull modificado generalizado

• Autor(a) principal: Niiyama, Clóvis Augusto [UNESP]
• Data de Publicação: 2013
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Repositório Institucional da UNESP
• Texto Completo: http://hdl.handle.net/11449/94326
• topic: Computação - Matematica; Teoria bayesiana de decisão estatistica; Computer science - Mathematics

Na literatura existem varias distribuições de probabilidade utilizadas em confiabilida e analise de sobrevivência. Entre as famílias de distribuições utilizadas para este fim é a mais popular e a distribuição de Weibull cuja fução de risco apresenta formas: constante, crescente e decrescente. No entanto, quando a função de risco e do tipo unimodal ou em forma de banheira, a Weibull distribui c~ao n~ao e apropriada. Assim, nos ultimos anos, t em sido propostas novas distribui c~oes que acomodam as v arias formas que a fun c~ao de risco pode tomar e consequentemente, para se ajustar a um maior n umero de problemas pr aticos. Carrasco et al. (2008) prop os uma nova distribui c~ao chamada Weibull Modi cada Generalizada, denotada por WMG, sua fun c~ao de risco pode assumir muitas formas, tais como constante, crescente, decrescente, unimodal e banheira. A distribui c~ao Weibull Modi cada Generalizada proposta por Carrasco, Ortega e Cordeiro (2008) foi amplamente estudada no contexto de infer encia cl assica, por em n~ao existem ainda trabalhos desenvolvidos na literatura sob o enfoque Bayesiano. O objetivo deste trabalho foi realizar uma compara c~ao entre os m etodos de estima c~ao cl assico e Bayesiano para a distribui c~ao Weibull Modi cada Generalizada. Tal distribui c~ao ainda tem como sub-modelos as distribui c~oes Exponencial, Exponencial Generalizada, Weibull, Weibull Modi cada, Weibull Exponenciada e valor extremo. Foram realizados estudos sobre as propriedades da distribui c~aoWeibull Modi cada Generalizada e simula c~oes para comparar o desempenho dos estimadores de m axima verossimilhan ca e Bayesiano. Uma abordagem Cl assica e Bayesiana para a esta distribui c~ao foi proposta e exempli cada, modelando conjunto de dados de sobreviv encia e de con abilidade