Neste trabalho propomos a representação de uma densidade bivariada segundo a natureza geométrica das marginais. Uma densidade contínua pode ser aproximada pela exponencial de um polinômio num domínio limitado. Tal aproximação permite estudar a influência do comportamento marginal e condicional sobre a densidade conjunta. Esse estudo é realizado encontrando os conjuntos dos possíveis valores dos coeficientes do polinômio segundo a informação dada sobre as densidades marginais ou as densidades condicionais. Também analisamos os coeficientes segundo algumas medidas de dependência. Concluímos mostrando a influência do comportamento marginal e condicional sobre variáveis aleatórias discretas. / In this work we propose a representation of a bivariate density according to the geometrical nature of the marginals. A continuous density can be approximated by the exponencial of a polynomial in a finite domain. Such approximation let us study the influence of the marginal and conditional behavior on the joint density. This study is done by finding the possible values of the polynomial coefficients upon the given information about the marginal or the conditional densities. We also analyze the coefficients according some dependence measures. We conclude showing the influence of the marginal and conditional behavior on discrete random variables.

Neste trabalho propomos a representação de uma densidade bivariada segundo a natureza geométrica das marginais. Uma densidade contínua pode ser aproximada pela exponencial de um polinômio num domínio limitado. Tal aproximação permite estudar a influência do comportamento marginal e condicional sobre a densidade conjunta. Esse estudo é realizado encontrando os conjuntos dos possíveis valores dos coeficientes do polinômio segundo a informação dada sobre as densidades marginais ou as densidades condicionais. Também analisamos os coeficientes segundo algumas medidas de dependência. Concluímos mostrando a influência do comportamento marginal e condicional sobre variáveis aleatórias discretas. / In this work we propose a representation of a bivariate density according to the geometrical nature of the marginals. A continuous density can be approximated by the exponencial of a polynomial in a finite domain. Such approximation let us study the influence of the marginal and conditional behavior on the joint density. This study is done by finding the possible values of the polynomial coefficients upon the given information about the marginal or the conditional densities. We also analyze the coefficients according some dependence measures. We conclude showing the influence of the marginal and conditional behavior on discrete random variables.

Made available in DSpace on 2016-06-02T20:06:04Z (GMT). No. of bitstreams: 1 3023.pdf: 2559668 bytes, checksum: 9cf8ca3c2627a6f2d69856b231e8a0a4 (MD5) Previous issue date: 2010-04-23 / Financiadora de Estudos e Projetos / In this dissertation we describe and implement procedures for nonparametric estimation of copulas and Sibuya function, and also procedures for bivariate analysis of dependence based on the behavior of their contours plot. Besisdes, we describe and implement the chiplot procedure and as well as a procedure for analising bivariate dependence in presence of censoring in the sample. Particularly, we propose a way to use it in a local correlation analysis. The performance of the proposed procedures are illustrated and evaluated in cases of very simple correlation, but also in a more complex correlation schemes. / Nesta dissertação descrevemos e implementamos procedimentos para estimação paramétrica da cópula e da função de Sibuya, e também procedimentos para análise de dependência bivariada, baseados no comportamento das suas curvas de nível. Também, descrevemos e implementamos o procedimento chi-plot e um procedimento para a análise de dependência bivariada com presença de censura na amostra. Particularmente, propomos formas de usá-los em análise de correlação local. O desempenho dos procedimentos propostos são ilustrados e avaliados em casos de estruturas de correlação simples, mas também em esquemas de correlação mais complexa.