Métodos numéricos em modelos com erros nas variáveis não normais

Detalhes bibliográficos
Autor(a) principal: Alberghini, Denis Guilherme
Data de Publicação: 2010
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-130016/
Resumo: O principal objetivo desta dissertação é desenvolver o algoritmo EM (Dempster et al., 1977) em modelos com erros nas variáeis (Cheng e Van Ness, 1999) cuja distribuição é t-Student, slash e normal contaminada. Para facilitar os cálculos do algoritmo EM, foi utilizado a família de distribuições mistura de normais na escala (Andrews e Mallows, 1974). Também, foram aplicados métodos MCMC (amostrador de Gibbs e algoritmo de Metropolis-Hastings) nos modelos com erros na variáveis para comparar com as estimativas obtidas via algoritmo EM. E, para comparar os diferentes modelos, estimados via MCMC, foram utilizados o DIC (Spiegelharter et al., 2002) e o ADIC (Figueiredo et al., 2008).
id USP_f3a0e09baf42b80ce4409b84e92191e7
oai_identifier_str oai:teses.usp.br:tde-20220712-130016
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Métodos numéricos em modelos com erros nas variáveis não normaisnot availablePesquisa E Planejamento EstatísticoO principal objetivo desta dissertação é desenvolver o algoritmo EM (Dempster et al., 1977) em modelos com erros nas variáeis (Cheng e Van Ness, 1999) cuja distribuição é t-Student, slash e normal contaminada. Para facilitar os cálculos do algoritmo EM, foi utilizado a família de distribuições mistura de normais na escala (Andrews e Mallows, 1974). Também, foram aplicados métodos MCMC (amostrador de Gibbs e algoritmo de Metropolis-Hastings) nos modelos com erros na variáveis para comparar com as estimativas obtidas via algoritmo EM. E, para comparar os diferentes modelos, estimados via MCMC, foram utilizados o DIC (Spiegelharter et al., 2002) e o ADIC (Figueiredo et al., 2008).not availableBiblioteca Digitais de Teses e Dissertações da USPBolfarine, HelenoAlberghini, Denis Guilherme2010-12-10info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-130016/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/openAccesspor2024-08-16T16:04:02Zoai:teses.usp.br:tde-20220712-130016Biblioteca 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:27212024-08-16T16:04:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Métodos numéricos em modelos com erros nas variáveis não normais
not available
title Métodos numéricos em modelos com erros nas variáveis não normais
spellingShingle Métodos numéricos em modelos com erros nas variáveis não normais
Alberghini, Denis Guilherme
Pesquisa E Planejamento Estatístico
title_short Métodos numéricos em modelos com erros nas variáveis não normais
title_full Métodos numéricos em modelos com erros nas variáveis não normais
title_fullStr Métodos numéricos em modelos com erros nas variáveis não normais
title_full_unstemmed Métodos numéricos em modelos com erros nas variáveis não normais
title_sort Métodos numéricos em modelos com erros nas variáveis não normais
author Alberghini, Denis Guilherme
author_facet Alberghini, Denis Guilherme
author_role author
dc.contributor.none.fl_str_mv Bolfarine, Heleno
dc.contributor.author.fl_str_mv Alberghini, Denis Guilherme
dc.subject.por.fl_str_mv Pesquisa E Planejamento Estatístico
topic Pesquisa E Planejamento Estatístico
description O principal objetivo desta dissertação é desenvolver o algoritmo EM (Dempster et al., 1977) em modelos com erros nas variáeis (Cheng e Van Ness, 1999) cuja distribuição é t-Student, slash e normal contaminada. Para facilitar os cálculos do algoritmo EM, foi utilizado a família de distribuições mistura de normais na escala (Andrews e Mallows, 1974). Também, foram aplicados métodos MCMC (amostrador de Gibbs e algoritmo de Metropolis-Hastings) nos modelos com erros na variáveis para comparar com as estimativas obtidas via algoritmo EM. E, para comparar os diferentes modelos, estimados via MCMC, foram utilizados o DIC (Spiegelharter et al., 2002) e o ADIC (Figueiredo et al., 2008).
publishDate 2010
dc.date.none.fl_str_mv 2010-12-10
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 https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-130016/
url https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-130016/
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_ 1815257217472921600