Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade

Detalhes bibliográficos
Autor(a) principal: Campos, Aline Minniti de
Data de Publicação: 2011
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112011-161305/
Resumo: Esta dissertação flexibiliza a suposição de normalidade, dispondo de distribuições assimétricas em modelos de crescimento. Propõe uma abordagem bayesiana para ajuste de modelos não lineares quando a suposição de normalidade para os erros não é razoável e/ou apresentam heteroscedasticidade. Assim, adota-se as distribuições skew-normal e skew-t para as situações em que é necessário modelar dados com caudas mais pesadas ou mais leves que a normal e assimétricos; sendo que é considerado também a presença de heteroscedasticidade. Diferentes funções são utilizadas na estrutura multiplicativa para modelar a variância. Com esse objetivo, métodos de inferência na abordagem bayesiana são desenvolvidos para estimar os parâmetros dos modelos de regressão não linear com os erros seguindo as distribuições citadas anteriormente. A metodologia visa aplicação à curvas de crescimento para dados de árvores
id USP_14058300a47dc1840a8dd5a00f083390
oai_identifier_str oai:teses.usp.br:tde-18112011-161305
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidadeA bayesian approach for nonlinear models in the presence of asymmetryAssimetriaAsymmetryBayesian inferenceGrowth modelsHeteroscedasticidadeHeteroscedasticityInferência bayesinaModelos de crescimentoEsta dissertação flexibiliza a suposição de normalidade, dispondo de distribuições assimétricas em modelos de crescimento. Propõe uma abordagem bayesiana para ajuste de modelos não lineares quando a suposição de normalidade para os erros não é razoável e/ou apresentam heteroscedasticidade. Assim, adota-se as distribuições skew-normal e skew-t para as situações em que é necessário modelar dados com caudas mais pesadas ou mais leves que a normal e assimétricos; sendo que é considerado também a presença de heteroscedasticidade. Diferentes funções são utilizadas na estrutura multiplicativa para modelar a variância. Com esse objetivo, métodos de inferência na abordagem bayesiana são desenvolvidos para estimar os parâmetros dos modelos de regressão não linear com os erros seguindo as distribuições citadas anteriormente. A metodologia visa aplicação à curvas de crescimento para dados de árvoresThis paper relaxes the assumption of normality, featuring asymmetric distributions in growth models. Proposes a Bayesian approach to fit nonlinear models when the assumption of normality for the errors is not reasonable and/or exhibit heteroscedasticity. Thus, we adopt the skew-normal and skew-t distributions for situations where it is necessary to model data with tails heavier or lighter than normal and asymmetric, which is considered also the presence of heteroscedasticity. Different functions are used to model the multiplicative structure of variance. With this objective, methods of inference in the Bayesian approach are developed to estimate the parameters of nonlinear regression models with errors following the distributions listed above. The methodology is intended to apply to the growth curves for trees data setsBiblioteca Digitais de Teses e Dissertações da USPAndrade Filho, Marinho Gomes deCampos, Aline Minniti de2011-08-22info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112011-161305/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2016-07-28T16:10:30Zoai:teses.usp.br:tde-18112011-161305Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212016-07-28T16:10:30Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
A bayesian approach for nonlinear models in the presence of asymmetry
title Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
spellingShingle Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
Campos, Aline Minniti de
Assimetria
Asymmetry
Bayesian inference
Growth models
Heteroscedasticidade
Heteroscedasticity
Inferência bayesina
Modelos de crescimento
title_short Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
title_full Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
title_fullStr Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
title_full_unstemmed Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
title_sort Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade
author Campos, Aline Minniti de
author_facet Campos, Aline Minniti de
author_role author
dc.contributor.none.fl_str_mv Andrade Filho, Marinho Gomes de
dc.contributor.author.fl_str_mv Campos, Aline Minniti de
dc.subject.por.fl_str_mv Assimetria
Asymmetry
Bayesian inference
Growth models
Heteroscedasticidade
Heteroscedasticity
Inferência bayesina
Modelos de crescimento
topic Assimetria
Asymmetry
Bayesian inference
Growth models
Heteroscedasticidade
Heteroscedasticity
Inferência bayesina
Modelos de crescimento
description Esta dissertação flexibiliza a suposição de normalidade, dispondo de distribuições assimétricas em modelos de crescimento. Propõe uma abordagem bayesiana para ajuste de modelos não lineares quando a suposição de normalidade para os erros não é razoável e/ou apresentam heteroscedasticidade. Assim, adota-se as distribuições skew-normal e skew-t para as situações em que é necessário modelar dados com caudas mais pesadas ou mais leves que a normal e assimétricos; sendo que é considerado também a presença de heteroscedasticidade. Diferentes funções são utilizadas na estrutura multiplicativa para modelar a variância. Com esse objetivo, métodos de inferência na abordagem bayesiana são desenvolvidos para estimar os parâmetros dos modelos de regressão não linear com os erros seguindo as distribuições citadas anteriormente. A metodologia visa aplicação à curvas de crescimento para dados de árvores
publishDate 2011
dc.date.none.fl_str_mv 2011-08-22
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 http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112011-161305/
url http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112011-161305/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815257116330426368

Registros relacionados