Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-12T12:27:53Z No. of bitstreams: 2 DISSERTAÇÃO FINAL - HELOISA DE MELO RODRIGUES.pdf: 1188446 bytes, checksum: 6b747fae4929500c9d046035820f9da5 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T12:27:53Z (GMT). No. of bitstreams: 2 DISSERTAÇÃO FINAL - HELOISA DE MELO RODRIGUES.pdf: 1188446 bytes, checksum: 6b747fae4929500c9d046035820f9da5 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / CAPES / No contexto de modelos de regressão, em alguns casos é comum o fenô- meno da superdispersão, que ocorre quando a variância observada dos dados excede aquela prevista por um modelo. Assim, Dey et al. (1997) desenvolveram os modelos lineares generalizados com superdispersão (MLGSs), considerando um modelo de regressão adicional para o parâmetro de dispersão, que é incorporado na função de variância. Desta forma, os MLGSs permitem modelar, simultaneamente, a média e a dispersão no contexto dos modelos lineares generalizados (MLGs) de Nelder e Wedderburn, 1972. Além disso, os MLGSs caracterizam-se por ser uma classe de modelos mais geral que os modelos lineares generalizados duplos (Smyth, 1989). Nesta dissertação são propostas técnicas de diagnósticos para os MLGSs, sendo desenvolvidas as técnicas de alavancagem generalizada, análise de resíduos, in uência global, como também o método de in uência local, este avaliado sob três esquemas de perturbação. Por m, é apresentada uma análise grá ca por meio de dados simulados.

Submitted by Fernando Souza (fernandoafsou@gmail.com) on 2017-08-21T16:29:54Z No. of bitstreams: 1 arquivototal.pdf: 917941 bytes, checksum: e85ae298ee652a63fa17fc43f8fc6b8f (MD5) / Made available in DSpace on 2017-08-21T16:29:54Z (GMT). No. of bitstreams: 1 arquivototal.pdf: 917941 bytes, checksum: e85ae298ee652a63fa17fc43f8fc6b8f (MD5) Previous issue date: 2016-03-01 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Conselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPq / In this paper, we analyze the problem of evaluating the influence of observations in the extreme value regression model (Gumbel regression) under type I censorship. This model is very important in the analysis of lifetime data. First, we obtain the log-likelihood function, the score function and Fisher's information matrix. Then we will discuss some methods of influence, such as global influence and the influence local. In the local influence analysis will derive the normal curvatures under various perturbation schemes. We conclude the work obtaining a closed-form expression for the generalized leverage. / Neste trabalho, analisaremos o problema de avaliar a influência de observações no modelo de regressão de valor extremo (regressão Gumbel) sob censura tipo I. Tal modelo é muito importante na análise de dados de tempo de vida. Primeiramente, obteremos a função log-verossimilhança, a função escore e a matriz de informação de Fisher. Em seguida discutiremos alguns métodos de influência, tais como a influência global e a influência local. Na análise de influência local, derivaremos expressões para as curvaturas normais sob diferentes esquemas de perturbações. Finalizaremos obtendo uma expressão de forma fechada para a alavancagem generalizada.

Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-12T14:03:12Z No. of bitstreams: 2 TeseDoutoradoMariaLidia.pdf: 1307418 bytes, checksum: f88f918ecc9fbd62d6fddde58ecb741f (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T14:03:12Z (GMT). No. of bitstreams: 2 TeseDoutoradoMariaLidia.pdf: 1307418 bytes, checksum: f88f918ecc9fbd62d6fddde58ecb741f (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / CAPES / Dey et al. (1997) propuseram uma classe de modelos que permite a introdução de um segundo parâmetro que controla a variância independentemente da média através de um modelo de regressão, chamada modelos lineares generalizados com superdispersão. Nesta tese, estendemos a classe de modelos proposta por Dey et al. (1997) permitindo que as funções de ligações da média e da dispersão possam ser funções não lineares obtendo expressões matriciais para os fatores de correção Bartlett e tipo-Bartlett para as estatísticas da razão da verossimilhanças e escore, respectivamente, na classe dos modelos não lineares generalizados com superdispersão (MNLGSs). Foi realizado um estudo de simulação para avaliar os desempenhos dos testes baseados nas estatísticas da razão de verossimilhanças e escore com suas respectivas versões corrigidas (Bartlett e tipo-Bartlett) com relação ao tamanho e poder em amostras de tamanhos finitos. Propomos também técnicas de diagnósticos para os MNLGSs, tais como: Alavancagem generalizada, Distância de Cook e Influência local. Finalmente, um conjunto de dados reais é utilizado para avaliar nossos resultados teóricos