Inferência bayesiana no modelo normal assimétrico

• Autor(a) principal: Cristian Luis Bayes Rodríguez
• Data de Publicação: 2005
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
• Texto Completo: https://doi.org/10.11606/D.45.2005.tde-20210729-141545

Esta dissertação compreende um estudo dos aspectos inferenciais da distribuição normal assimétrica, assim como o modelo de regressão considerando erros normais assimétricos. Nossa principal contribuição está na derivação de uma aproximação para a priori de Jeffreys e para informação de Fisher da distribuição normal assimétrica padrão e uma proposta de uma nova distribuição a priori não subjetiva para o parâmetro de assimetria do modelo. Também propomos uma nova reparametrização, que na abordagem clássica, permite obter formas fechadas na construção do algoritmo EM, e na abordagem bayesiana, formas conhecidas para as distribuições condicionais a posteriori, o que facilita a implementação do algoritmo de Gibbs. Estimadores bayesianos como a média, a mediana e o máximo a posteriori sob as duas prioris mencionadas acima foram comparados com o estimador de máxima verossimilhança mediante um estudo de simulação. Também foi avaliado no estudo de simulação o comportamento de estimadores intervalares, como o intervalo de confiança assitótico e os intervalos de credibilidade bayesianos. No caso de testes de hipóteses, foram comparados os desempenhos do teste de razão de verossimilhanças e do fator de Bayes.