Extensões do resíduo quantílico
Autor(a) principal: | |
---|---|
Data de Publicação: | 2022 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/104/104131/tde-28022023-144504/ |
Resumo: | Os modelos de regressão possuem profunda importância em análises que têm por objetivo investigar a relação entre uma variável dependente e um conjunto de variáveis preditoras. A análise de diagnóstico é uma etapa fundamental na verificação do ajuste de um modelo de regressão, cujos objetivos são identificar possíveis pontos discrepantes e/ou influentes e verificar possíveis afastamentos das suposições feitas para a modelagem. Nesse caso, é desejável obter resíduos cuja distribuição seja bem aproximada pela distribuição Normal padrão, visto que suas propriedades e comportamento são conhecidos. O resíduo quantílico é uma importante classe de resíduos com essa característica, em que sua distribuição é assintoticamente Normal padrão quando os parâmetros do modelo são consistentemente estimados. Outro problema comum no âmbito da análise de regressão abrange a seleção de modelos, cujo intuito consiste em selecionar o melhor modelo teórico dentre um conjunto de modelos candidatos. O objetivo desse trabalho foi desenvolver extensões do resíduo quantílico, em aspectos de análise diagnóstica e seleção de modelos. Para verificação da adequação do modelo, introduz-se um resíduo assintoticamente Normal padrão distribuído, que pode ser usado para qualquer modelo de regressão circular-linear paramétrico. Para detecção de possíveis pontos outliers, é proposta uma extensão em modelos de regressão beta inflacionados em dois e três pontos, cuja distribuição caudal é semelhante a distribuição Normal padrão. Por fim, são introduzidos três critérios de seleção de modelos por meio de testes de bondade do ajuste com o uso do resíduo quantílico, em um contexto específico de seleção da distribuição da variável resposta em modelos aditivos generalizados para localização, escala e forma (GAMLSS). |
id |
USP_2dc23dc24dc8c4a0fecaa5b1b4bca269 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-28022023-144504 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Extensões do resíduo quantílicoExtensions of the quantile residualAnálise de diagnósticocircular regressiondiagnostic analysisinflated Beta regressionModel selectionQuantile residualsRegressão beta inflacionadaRegressão circularresíduo quantílicoseleção de modelosOs modelos de regressão possuem profunda importância em análises que têm por objetivo investigar a relação entre uma variável dependente e um conjunto de variáveis preditoras. A análise de diagnóstico é uma etapa fundamental na verificação do ajuste de um modelo de regressão, cujos objetivos são identificar possíveis pontos discrepantes e/ou influentes e verificar possíveis afastamentos das suposições feitas para a modelagem. Nesse caso, é desejável obter resíduos cuja distribuição seja bem aproximada pela distribuição Normal padrão, visto que suas propriedades e comportamento são conhecidos. O resíduo quantílico é uma importante classe de resíduos com essa característica, em que sua distribuição é assintoticamente Normal padrão quando os parâmetros do modelo são consistentemente estimados. Outro problema comum no âmbito da análise de regressão abrange a seleção de modelos, cujo intuito consiste em selecionar o melhor modelo teórico dentre um conjunto de modelos candidatos. O objetivo desse trabalho foi desenvolver extensões do resíduo quantílico, em aspectos de análise diagnóstica e seleção de modelos. Para verificação da adequação do modelo, introduz-se um resíduo assintoticamente Normal padrão distribuído, que pode ser usado para qualquer modelo de regressão circular-linear paramétrico. Para detecção de possíveis pontos outliers, é proposta uma extensão em modelos de regressão beta inflacionados em dois e três pontos, cuja distribuição caudal é semelhante a distribuição Normal padrão. Por fim, são introduzidos três critérios de seleção de modelos por meio de testes de bondade do ajuste com o uso do resíduo quantílico, em um contexto específico de seleção da distribuição da variável resposta em modelos aditivos generalizados para localização, escala e forma (GAMLSS).Regression models have profound importance in analyses that aim to investigate the relationship between a dependent variable and a set of predictor variables. The diagnostic analysis is a fundamental step in validating a regression model, whose objectives are to identify possible discrepant and/or influential points and to verify possible deviations from the assumptions made for modeling. In this case, it is desirable to obtain residuals whose distribution is close to the standard Normal distribution, since their properties and behavior are known. The quantile residual is an important class of residuals with this characteristic, where its distribution is asymptotically standard Normal when the model parameters are consistently estimated. Another common problem in regression analysis is model selection, which consists in selecting the best theoretical model from a set of candidate models. The objective of this work is to develop extensions of the quantile residuals, in aspects of diagnostic analysis and model selection. To check the model fit, an asymptotically distributed standard Normal residual is introduced, which can be used for any parametric circular-linear regression model. For the detection of possible outliers, an extension is proposed on two and three-point inflated beta regression models, whose tail distribution is similar to the standard Normal distribution. Finally, three model selection criteria are introduced by testing goodness of fit using the quantile residuals in a specific context of response variable distribution selection in generalized additive models for location, scale and shape (GAMLSS).Biblioteca Digitais de Teses e Dissertações da USPPereira, Gustavo Henrique de AraujoAndrade, Ana Carolina do Couto2022-12-20info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/104/104131/tde-28022023-144504/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/openAccesspor2023-02-28T17:51:47Zoai:teses.usp.br:tde-28022023-144504Biblioteca 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:27212023-02-28T17:51:47Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Extensões do resíduo quantílico Extensions of the quantile residual |
title |
Extensões do resíduo quantílico |
spellingShingle |
Extensões do resíduo quantílico Andrade, Ana Carolina do Couto Análise de diagnóstico circular regression diagnostic analysis inflated Beta regression Model selection Quantile residuals Regressão beta inflacionada Regressão circular resíduo quantílico seleção de modelos |
title_short |
Extensões do resíduo quantílico |
title_full |
Extensões do resíduo quantílico |
title_fullStr |
Extensões do resíduo quantílico |
title_full_unstemmed |
Extensões do resíduo quantílico |
title_sort |
Extensões do resíduo quantílico |
author |
Andrade, Ana Carolina do Couto |
author_facet |
Andrade, Ana Carolina do Couto |
author_role |
author |
dc.contributor.none.fl_str_mv |
Pereira, Gustavo Henrique de Araujo |
dc.contributor.author.fl_str_mv |
Andrade, Ana Carolina do Couto |
dc.subject.por.fl_str_mv |
Análise de diagnóstico circular regression diagnostic analysis inflated Beta regression Model selection Quantile residuals Regressão beta inflacionada Regressão circular resíduo quantílico seleção de modelos |
topic |
Análise de diagnóstico circular regression diagnostic analysis inflated Beta regression Model selection Quantile residuals Regressão beta inflacionada Regressão circular resíduo quantílico seleção de modelos |
description |
Os modelos de regressão possuem profunda importância em análises que têm por objetivo investigar a relação entre uma variável dependente e um conjunto de variáveis preditoras. A análise de diagnóstico é uma etapa fundamental na verificação do ajuste de um modelo de regressão, cujos objetivos são identificar possíveis pontos discrepantes e/ou influentes e verificar possíveis afastamentos das suposições feitas para a modelagem. Nesse caso, é desejável obter resíduos cuja distribuição seja bem aproximada pela distribuição Normal padrão, visto que suas propriedades e comportamento são conhecidos. O resíduo quantílico é uma importante classe de resíduos com essa característica, em que sua distribuição é assintoticamente Normal padrão quando os parâmetros do modelo são consistentemente estimados. Outro problema comum no âmbito da análise de regressão abrange a seleção de modelos, cujo intuito consiste em selecionar o melhor modelo teórico dentre um conjunto de modelos candidatos. O objetivo desse trabalho foi desenvolver extensões do resíduo quantílico, em aspectos de análise diagnóstica e seleção de modelos. Para verificação da adequação do modelo, introduz-se um resíduo assintoticamente Normal padrão distribuído, que pode ser usado para qualquer modelo de regressão circular-linear paramétrico. Para detecção de possíveis pontos outliers, é proposta uma extensão em modelos de regressão beta inflacionados em dois e três pontos, cuja distribuição caudal é semelhante a distribuição Normal padrão. Por fim, são introduzidos três critérios de seleção de modelos por meio de testes de bondade do ajuste com o uso do resíduo quantílico, em um contexto específico de seleção da distribuição da variável resposta em modelos aditivos generalizados para localização, escala e forma (GAMLSS). |
publishDate |
2022 |
dc.date.none.fl_str_mv |
2022-12-20 |
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://www.teses.usp.br/teses/disponiveis/104/104131/tde-28022023-144504/ |
url |
https://www.teses.usp.br/teses/disponiveis/104/104131/tde-28022023-144504/ |
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_ |
1815257426334580736 |