Modelos de regressão Birnbaum-Saunders generalizados
Autor(a) principal: | |
---|---|
Data de Publicação: | 2007 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://doi.org/10.11606/T.45.2007.tde-20210729-150731 |
Resumo: | O modelo de regressão log-Birnbaum-Saunders (log-BS) tem sido largamente aplicado na área de análise de dados de sobrevivência e confiabilidade, particularmente em engenharia, e relaciona o tempo até a ocorrência da falha com algum dano cumulativo que é assumidogaussiano. Numa primeira etapa deste trabalho, consideramos alguns aspectos de diagnóstico de influência e análise de resíduos para este modelo, considerando observações censuradas. Uma vez que é conhecido na literatura que a modelagem sob a suposição de erros normalmente distribuídos pode ser influenciada por observações extremas, mostramos que o mesmo pode ocorrer em modelos cujos erros possuem distribuição log-BS. Numa segunda etapa, desenvolvemos o modelo log-BS generalizado e, particularmente, propomos o modelo t de Student log-BS em que o dano cumulativo é assumido ter distribuição t de Student. Mostramos que as estimativas de máxima verossimilhança do modelo t de Student log-BS são robustas contra observações aberrantes no sentido dos resíduos componentes do desvio e tipo martingale. Métodos de diagnóstico de influência e análise de resíduos são desenvolvidos para esse modelo e conjuntos de dados reais são utilizados pra ilustrar a teoria desenvolvida. |
id |
USP_1bbac47066e609a4ada473891778778a |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-20210729-150731 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesis Modelos de regressão Birnbaum-Saunders generalizados not available 2007-04-26Gilberto Alvarenga PaulaMichelli Karinne Barros da SilvaUniversidade de São PauloEstatísticaUSPBR Análise Multivariada Inferência Estatística Pesquisa E Planejamento Estatístico O modelo de regressão log-Birnbaum-Saunders (log-BS) tem sido largamente aplicado na área de análise de dados de sobrevivência e confiabilidade, particularmente em engenharia, e relaciona o tempo até a ocorrência da falha com algum dano cumulativo que é assumidogaussiano. Numa primeira etapa deste trabalho, consideramos alguns aspectos de diagnóstico de influência e análise de resíduos para este modelo, considerando observações censuradas. Uma vez que é conhecido na literatura que a modelagem sob a suposição de erros normalmente distribuídos pode ser influenciada por observações extremas, mostramos que o mesmo pode ocorrer em modelos cujos erros possuem distribuição log-BS. Numa segunda etapa, desenvolvemos o modelo log-BS generalizado e, particularmente, propomos o modelo t de Student log-BS em que o dano cumulativo é assumido ter distribuição t de Student. Mostramos que as estimativas de máxima verossimilhança do modelo t de Student log-BS são robustas contra observações aberrantes no sentido dos resíduos componentes do desvio e tipo martingale. Métodos de diagnóstico de influência e análise de resíduos são desenvolvidos para esse modelo e conjuntos de dados reais são utilizados pra ilustrar a teoria desenvolvida. not available https://doi.org/10.11606/T.45.2007.tde-20210729-150731info:eu-repo/semantics/openAccessporreponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USP2023-12-21T19:41:13Zoai:teses.usp.br:tde-20210729-150731Biblioteca 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:27212023-12-22T13:02:31.780656Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.pt.fl_str_mv |
Modelos de regressão Birnbaum-Saunders generalizados |
dc.title.alternative.en.fl_str_mv |
not available |
title |
Modelos de regressão Birnbaum-Saunders generalizados |
spellingShingle |
Modelos de regressão Birnbaum-Saunders generalizados Michelli Karinne Barros da Silva |
title_short |
Modelos de regressão Birnbaum-Saunders generalizados |
title_full |
Modelos de regressão Birnbaum-Saunders generalizados |
title_fullStr |
Modelos de regressão Birnbaum-Saunders generalizados |
title_full_unstemmed |
Modelos de regressão Birnbaum-Saunders generalizados |
title_sort |
Modelos de regressão Birnbaum-Saunders generalizados |
author |
Michelli Karinne Barros da Silva |
author_facet |
Michelli Karinne Barros da Silva |
author_role |
author |
dc.contributor.advisor1.fl_str_mv |
Gilberto Alvarenga Paula |
dc.contributor.author.fl_str_mv |
Michelli Karinne Barros da Silva |
contributor_str_mv |
Gilberto Alvarenga Paula |
description |
O modelo de regressão log-Birnbaum-Saunders (log-BS) tem sido largamente aplicado na área de análise de dados de sobrevivência e confiabilidade, particularmente em engenharia, e relaciona o tempo até a ocorrência da falha com algum dano cumulativo que é assumidogaussiano. Numa primeira etapa deste trabalho, consideramos alguns aspectos de diagnóstico de influência e análise de resíduos para este modelo, considerando observações censuradas. Uma vez que é conhecido na literatura que a modelagem sob a suposição de erros normalmente distribuídos pode ser influenciada por observações extremas, mostramos que o mesmo pode ocorrer em modelos cujos erros possuem distribuição log-BS. Numa segunda etapa, desenvolvemos o modelo log-BS generalizado e, particularmente, propomos o modelo t de Student log-BS em que o dano cumulativo é assumido ter distribuição t de Student. Mostramos que as estimativas de máxima verossimilhança do modelo t de Student log-BS são robustas contra observações aberrantes no sentido dos resíduos componentes do desvio e tipo martingale. Métodos de diagnóstico de influência e análise de resíduos são desenvolvidos para esse modelo e conjuntos de dados reais são utilizados pra ilustrar a teoria desenvolvida. |
publishDate |
2007 |
dc.date.issued.fl_str_mv |
2007-04-26 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://doi.org/10.11606/T.45.2007.tde-20210729-150731 |
url |
https://doi.org/10.11606/T.45.2007.tde-20210729-150731 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade de São Paulo |
dc.publisher.program.fl_str_mv |
Estatística |
dc.publisher.initials.fl_str_mv |
USP |
dc.publisher.country.fl_str_mv |
BR |
publisher.none.fl_str_mv |
Universidade de São Paulo |
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_ |
1794502923775901696 |