Extensões do resíduo quantílico

Detalhes bibliográficos
Autor(a) principal: Andrade, Ana Carolina do Couto
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