Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
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/45/45133/tde-28052013-182956/ |
Resumo: | Neste trabalho, apresentamos os modelos simétricos parcialmente lineares AR(1), que generalizam os modelos parcialmente lineares para a presença de erros autocorrelacionados seguindo uma estrutura de autocorrelação AR(1) e erros seguindo uma distribuição simétrica ao invés da distribuição normal. Dentre as distribuições simétricas, podemos considerar distribuições com caudas mais pesadas do que a normal, controlando a curtose e ponderando as observações aberrantes no processo de estimação. A estimação dos parâmetros do modelo é realizada por meio do critério de verossimilhança penalizada, que utiliza as funções escore e a matriz de informação de Fisher, sendo todas essas quantidades derivadas neste trabalho. O número efetivo de graus de liberdade e resultados assintóticos também são apresentados, assim como procedimentos de diagnóstico, destacando-se a obtenção da curvatura normal de influência local sob diferentes esquemas de perturbação e análise de resíduos. Uma aplicação com dados reais é apresentada como ilustração. |
id |
USP_1c1844780ca133b2c37434e655be401f |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-28052013-182956 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordemSymmetric partially linear models with first-order autoregressive errors.algoritmo back-fittinganálise de resíduosautoregressive errorsback-fitting algorithmerros autoregressivosestimação robustainfluência local.leveragelocal influence.modelos não paramétricosmodelos semiparamétricosmodelos simétricosmodelos t de Studentnatural cubic splinesnon-parametric modelspontos de alavancaresidual analysisrobust estimationsemi-parametric modelssplines naturais cúbicosStudent-t modelssymmetric modelsNeste trabalho, apresentamos os modelos simétricos parcialmente lineares AR(1), que generalizam os modelos parcialmente lineares para a presença de erros autocorrelacionados seguindo uma estrutura de autocorrelação AR(1) e erros seguindo uma distribuição simétrica ao invés da distribuição normal. Dentre as distribuições simétricas, podemos considerar distribuições com caudas mais pesadas do que a normal, controlando a curtose e ponderando as observações aberrantes no processo de estimação. A estimação dos parâmetros do modelo é realizada por meio do critério de verossimilhança penalizada, que utiliza as funções escore e a matriz de informação de Fisher, sendo todas essas quantidades derivadas neste trabalho. O número efetivo de graus de liberdade e resultados assintóticos também são apresentados, assim como procedimentos de diagnóstico, destacando-se a obtenção da curvatura normal de influência local sob diferentes esquemas de perturbação e análise de resíduos. Uma aplicação com dados reais é apresentada como ilustração.In this master dissertation, we present the symmetric partially linear models with AR(1) errors that generalize the normal partially linear models to contain autocorrelated errors AR(1) following a symmetric distribution instead of the normal distribution. Among the symmetric distributions, we can consider heavier tails than the normal ones, controlling the kurtosis and down-weighting outlying observations in the estimation process. The parameter estimation is made through the penalized likelihood by using score functions and the expected Fisher information. We derive these functions in this work. The effective degrees of freedom and asymptotic results are also presented as well as the residual analysis, highlighting the normal curvature of local influence under different perturbation schemes. An application with real data is given for illustration.Biblioteca Digitais de Teses e Dissertações da USPPaula, Gilberto AlvarengaRelvas, Carlos Eduardo Martins2013-04-19info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/45/45133/tde-28052013-182956/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/openAccesspor2024-08-16T23:55:02Zoai:teses.usp.br:tde-28052013-182956Biblioteca 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:27212024-08-16T23:55:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem Symmetric partially linear models with first-order autoregressive errors. |
title |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem |
spellingShingle |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem Relvas, Carlos Eduardo Martins algoritmo back-fitting análise de resíduos autoregressive errors back-fitting algorithm erros autoregressivos estimação robusta influência local. leverage local influence. modelos não paramétricos modelos semiparamétricos modelos simétricos modelos t de Student natural cubic splines non-parametric models pontos de alavanca residual analysis robust estimation semi-parametric models splines naturais cúbicos Student-t models symmetric models |
title_short |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem |
title_full |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem |
title_fullStr |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem |
title_full_unstemmed |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem |
title_sort |
Modelos parcialmente lineares com erros simétricos autoregressivos de primeira ordem |
author |
Relvas, Carlos Eduardo Martins |
author_facet |
Relvas, Carlos Eduardo Martins |
author_role |
author |
dc.contributor.none.fl_str_mv |
Paula, Gilberto Alvarenga |
dc.contributor.author.fl_str_mv |
Relvas, Carlos Eduardo Martins |
dc.subject.por.fl_str_mv |
algoritmo back-fitting análise de resíduos autoregressive errors back-fitting algorithm erros autoregressivos estimação robusta influência local. leverage local influence. modelos não paramétricos modelos semiparamétricos modelos simétricos modelos t de Student natural cubic splines non-parametric models pontos de alavanca residual analysis robust estimation semi-parametric models splines naturais cúbicos Student-t models symmetric models |
topic |
algoritmo back-fitting análise de resíduos autoregressive errors back-fitting algorithm erros autoregressivos estimação robusta influência local. leverage local influence. modelos não paramétricos modelos semiparamétricos modelos simétricos modelos t de Student natural cubic splines non-parametric models pontos de alavanca residual analysis robust estimation semi-parametric models splines naturais cúbicos Student-t models symmetric models |
description |
Neste trabalho, apresentamos os modelos simétricos parcialmente lineares AR(1), que generalizam os modelos parcialmente lineares para a presença de erros autocorrelacionados seguindo uma estrutura de autocorrelação AR(1) e erros seguindo uma distribuição simétrica ao invés da distribuição normal. Dentre as distribuições simétricas, podemos considerar distribuições com caudas mais pesadas do que a normal, controlando a curtose e ponderando as observações aberrantes no processo de estimação. A estimação dos parâmetros do modelo é realizada por meio do critério de verossimilhança penalizada, que utiliza as funções escore e a matriz de informação de Fisher, sendo todas essas quantidades derivadas neste trabalho. O número efetivo de graus de liberdade e resultados assintóticos também são apresentados, assim como procedimentos de diagnóstico, destacando-se a obtenção da curvatura normal de influência local sob diferentes esquemas de perturbação e análise de resíduos. Uma aplicação com dados reais é apresentada como ilustração. |
publishDate |
2013 |
dc.date.none.fl_str_mv |
2013-04-19 |
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/45/45133/tde-28052013-182956/ |
url |
http://www.teses.usp.br/teses/disponiveis/45/45133/tde-28052013-182956/ |
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_ |
1809091149318586368 |