Made available in DSpace on 2016-06-02T20:04:51Z (GMT). No. of bitstreams: 1 4475.pdf: 1244079 bytes, checksum: 3217620ac6ab16457a5ab67a737b433c (MD5) Previous issue date: 2012-05-18 / Financiadora de Estudos e Projetos / In this thesis, a class of correlated binomial regression models is proposed. The model is based on the generalized binomial distribution proposed by Luceño (1995) and Luceño & Ceballos (1995). The regression structure is modeled by using four different link functions and the dependence between the Bernoulli trials is modeled by using three different correlation structures. A data augmentation scheme is used in order to overcome the complexity of the mixture likelihood. Frequentist and Bayesian approaches are used in the model fitting process. A diagnostics analysis is provided in order to check the underlying model assumptions and to identify the presence of outliers and/or influential observations. Simulation studies are presented to illustrate the performance of the developed methodology. A real data set is analyzed by using the proposed models. Also the correlated binomial regression models is extended to include measurement error in a predictor. This new class of models is called additive normal structure correlated binomial regression models. The inference process also includes a data augmentation scheme to overcome the complexity of the mixture likelihood. / Nesta tese é proposta uma classe de modelos de regressão binomial correlacionada baseados na distribuição binomial generalizada, proposta por Luceño (1995) e Luceño & Ceballos (1995). A estrutura de regressão é modelada usando diferentes funções de ligação e a relação de dependência entre os ensaios de Bernoulli é modelada usando diferentes estruturas de correlação. Uma estratégia de dados aumentados é utilizada para contornar a complexidade da função de verossimilhança. As abordagens clássica e Bayesiana são utilizadas no processo de ajuste dos modelos propostos. Análise de diagnóstico é desenvolvida com o objetivo de verificar as suposições iniciais do modelo e identificar a presença de outliers e/ou observações influentes. Estudos de simulação e aplicação em dados reais ilustram as metodologias. Propomos também uma nova classe de modelos de regressão binomial correlacionada, denominados modelos de regressão binomial correlacionada aditivo estrutural normal, que envolvem a presença de uma covariável com erro de medida. No processo de estimação para esta nova classe, dados aumentados e aproximação de integral são utilizadas para contornar a complexidade da função de verossimilhança.

Made available in DSpace on 2017-07-10T19:24:09Z (GMT). No. of bitstreams: 1 tese__fabiana.pdf: 3413093 bytes, checksum: 69eef866f8ca47e7714ae83768804879 (MD5) Previous issue date: 2016-02-02 / Understanding the spatial distribution knowledge regarding georeferenced data has been essencial to various areas including agriculture. Thus, several trials have been carried out. However, most of these studies assume that the underlying stochastic process is Gaussian. When the data associated with this process do not present normality, data transformations are applied. And though the use of these transformations has presented satisfactory results, it is important to consider models which take into account the characteristics of such phenomenon. It may be more appropriate than using a normal model. So, this trial aimed at proposing a spatial model based on the Birnbaum-Saunders distribution (BS). This distribution has been shown effective to model data that take positive values and whose behavior presents positive asymmetry and unimodality. Thefore, this trial has proposed a methodology that includes the formulation of the spatial Birnbaum-Saunders model , estimation of its parameters using maximum likelihood (ML), and application of diagnostic techniques which can detect the sensitivity of the model to atypical data and evaluate the proposed model through a simulation study and studies using real data sets of agricultural engineering. These data were obtadined in a 167.35-ha commercial area for grain production, in Cascavel city, to validate the studied model. In the study with simulated data and large samples, estimation parameters and diagnostic analysis showed a good performance. According to the study with real data, calculations of AIC (Akaike s information criterion) and BIC (Bayesian information criterion) indexes, Bayes factor as well as Q-Q plots constrution have shown that the proposed model is appropriate to fit the obtained data. Influential cases were detected, and their removal from data set caused a considerable change in contour maps. It is therefore concluided that Birnbaum-Saunders spatial model is adequate to carry out studies with spatially correlated data. Is is also an alternative model to the normal model when the data set present positive asymmetrical distribution / O conhecimento da distribuição espacial de dados georrefenciados é de interesse de diversas áreas do conhecimento, incluindo a área agrícola. Neste sentido, diversos trabalhos já foram realizados; no entanto, a maioria destes trabalhos assumem que o processo estocástico subjacente é gaussiano. Quando os dados associados com este processo não apresentam normalidade, transformações de dados são usadas. E ainda que o uso dessas transformações tenha apresentado resultados satisfatórios, considerar modelos que levem em conta as características do fenômeno pode ser mais adequado do que a utilização do modelo normal. O objetivo deste trabalho é propor um modelo espacial baseado na distribuição Birnbaum-Saunders (BS). Esta distribuição tem se mostrado eficiente para modelar conjuntos de dados formados por valores estritamente positivos e cujo comportamento apresenta assimetria positiva e unimodalidade. A metodologia proposta neste trabalho inclui a formulação do modelo espacial Birnbaum-Saunders, a estimação de seus parâmetros utilizando o método de máxima verossimilhança (ML), a aplicação de técnicas de diagnóstico que permitem detectar a sensibilidade do modelo a dados atípicos, a avaliação do modelo proposto por um estudo de simulação e aplicação da metodologia desenvolvida em análise de dados reais da área agrícola. Os dados utilizados para validação do modelo estudado foram obtidos em uma área comercial de produção de grãos de 167,35 ha de Cascavel. No estudo com dados simulados, para amostras grandes, a estimação dos parâmetros e a análise de diagnóstico apresentaram boa performance. No estudo com dados reais, os cálculos dos índices AIC, BIC e fator Bayes bem como a construção de Q-Q plots mostraram que o modelo proposto é adequado para ajustar os dados. Casos influentes foram detectados e suas retiradas do conjunto de dados causaram uma mudança considerável nos mapas de contorno. Conclui-se portanto, que o modelo espacial Birnbaum-Saunders é adequado para realização de estudos com dados espacialmente correlacionados, e é um modelo alternativo ao modelo normal quando o conjunto de dados apresenta distribuição assimétrica positiva

Made available in DSpace on 2017-05-12T14:47:25Z (GMT). No. of bitstreams: 1 tese__fabiana.pdf: 3413093 bytes, checksum: 69eef866f8ca47e7714ae83768804879 (MD5) Previous issue date: 2016-02-02 / Understanding the spatial distribution knowledge regarding georeferenced data has been essencial to various areas including agriculture. Thus, several trials have been carried out. However, most of these studies assume that the underlying stochastic process is Gaussian. When the data associated with this process do not present normality, data transformations are applied. And though the use of these transformations has presented satisfactory results, it is important to consider models which take into account the characteristics of such phenomenon. It may be more appropriate than using a normal model. So, this trial aimed at proposing a spatial model based on the Birnbaum-Saunders distribution (BS). This distribution has been shown effective to model data that take positive values and whose behavior presents positive asymmetry and unimodality. Thefore, this trial has proposed a methodology that includes the formulation of the spatial Birnbaum-Saunders model , estimation of its parameters using maximum likelihood (ML), and application of diagnostic techniques which can detect the sensitivity of the model to atypical data and evaluate the proposed model through a simulation study and studies using real data sets of agricultural engineering. These data were obtadined in a 167.35-ha commercial area for grain production, in Cascavel city, to validate the studied model. In the study with simulated data and large samples, estimation parameters and diagnostic analysis showed a good performance. According to the study with real data, calculations of AIC (Akaike s information criterion) and BIC (Bayesian information criterion) indexes, Bayes factor as well as Q-Q plots constrution have shown that the proposed model is appropriate to fit the obtained data. Influential cases were detected, and their removal from data set caused a considerable change in contour maps. It is therefore concluided that Birnbaum-Saunders spatial model is adequate to carry out studies with spatially correlated data. Is is also an alternative model to the normal model when the data set present positive asymmetrical distribution / O conhecimento da distribuição espacial de dados georrefenciados é de interesse de diversas áreas do conhecimento, incluindo a área agrícola. Neste sentido, diversos trabalhos já foram realizados; no entanto, a maioria destes trabalhos assumem que o processo estocástico subjacente é gaussiano. Quando os dados associados com este processo não apresentam normalidade, transformações de dados são usadas. E ainda que o uso dessas transformações tenha apresentado resultados satisfatórios, considerar modelos que levem em conta as características do fenômeno pode ser mais adequado do que a utilização do modelo normal. O objetivo deste trabalho é propor um modelo espacial baseado na distribuição Birnbaum-Saunders (BS). Esta distribuição tem se mostrado eficiente para modelar conjuntos de dados formados por valores estritamente positivos e cujo comportamento apresenta assimetria positiva e unimodalidade. A metodologia proposta neste trabalho inclui a formulação do modelo espacial Birnbaum-Saunders, a estimação de seus parâmetros utilizando o método de máxima verossimilhança (ML), a aplicação de técnicas de diagnóstico que permitem detectar a sensibilidade do modelo a dados atípicos, a avaliação do modelo proposto por um estudo de simulação e aplicação da metodologia desenvolvida em análise de dados reais da área agrícola. Os dados utilizados para validação do modelo estudado foram obtidos em uma área comercial de produção de grãos de 167,35 ha de Cascavel. No estudo com dados simulados, para amostras grandes, a estimação dos parâmetros e a análise de diagnóstico apresentaram boa performance. No estudo com dados reais, os cálculos dos índices AIC, BIC e fator Bayes bem como a construção de Q-Q plots mostraram que o modelo proposto é adequado para ajustar os dados. Casos influentes foram detectados e suas retiradas do conjunto de dados causaram uma mudança considerável nos mapas de contorno. Conclui-se portanto, que o modelo espacial Birnbaum-Saunders é adequado para realização de estudos com dados espacialmente correlacionados, e é um modelo alternativo ao modelo normal quando o conjunto de dados apresenta distribuição assimétrica positiva