Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-07-08T18:58:50Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertaçao_sem_assinada.pdf: 713571 bytes, checksum: 9ed07946ec33f7974bdc7767a9e928fe (MD5) / Made available in DSpace on 2016-07-08T18:58:50Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) dissertaçao_sem_assinada.pdf: 713571 bytes, checksum: 9ed07946ec33f7974bdc7767a9e928fe (MD5) Previous issue date: 2016-02-22 / CAPES / Nesta dissertação, tratamos de refinamentos para testes de hipóteses em modelos de regressão não lineares heteroscedásticos. Na primeira parte da dissertação, reunimos resultados importantes da literatura sobre correção de Bartlett às razão de verossimilhanças perfiladas modificadas (CYSNEIROS; FERRARI, 2006) e razão de verossimilhanças bootstrap (ROCKE, 1989) nos modelos de regressão não lineares da família exponencial com parâmetros de dispersão que não são constantes para todas as observações, respectivamente. Na segunda parte, obtemos um fator de correção tipo-Bartlett para a estatística gradiente (TERRELL, 2002), nesta classe de modelos. Na terceira parte, desenvolvemos estudos de simulação Monte Carlo para avaliar e comparar numericamente os desempenhos dos testes em amostras finitas. Finalmente, realizamos uma aplicação empírica. / In this dissertation, we deal with refinements for hypothesis tests in nonlinear heteroskedastic regression models. Firstly, we describe important results in the literature on Bartlett corrections to the modified profile likelihood ratio and likelihood ratio bootstrap to the class of the exponential family nonlinear models with dispersion parameters that are not constant over the observations, respectively. Secondly, we obtain a Bartlett-type correction to the gradient statistic in this class of models. Thirdly, the finite-sample performances of the various tests considered in this dissertation are evaluated and compared using Monte Carlo simulations. Finally, we present one empirical application.

Submitted by Danielle Karla Martins Silva (danielle.martins@ufpe.br) on 2015-03-12T13:25:58Z No. of bitstreams: 2 CD- Dissertação Thiago A. N. de Andrade.pdf: 787795 bytes, checksum: eccb193488aebfede11aa4dd03b03587 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-12T13:25:58Z (GMT). No. of bitstreams: 2 CD- Dissertação Thiago A. N. de Andrade.pdf: 787795 bytes, checksum: eccb193488aebfede11aa4dd03b03587 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2013 / CNPq / A classe de Modelos Lineares Generalizados com Superdispersão (MLGSs) proposta por Dey et al. (1997), tem sido amplamente utilizada na modelagem de dados cuja variância da variável resposta excede o valor nominal predito no modelo. O principal objetivo da presente dissertação é a obtenção de um fator de correção de Bartlett, segundo a metodologia proposta por DiCiccio e Stern (1994), à estatística da razão de verossimilhanças perfiladas ajustadas proposta por Cox e Reid (1987) para o teste conjunto dos efeitos da dispersão nesta classe de modelos. Estudos de simulação de Monte Carlo foram realizados com o objetivo de avaliar os desempenhos dos testes baseados nas estatísticas da razão de verossimilhanças usual (LR), razão de verossimilhanças perfiladas ajustadas (LRpa) e razão de verossimilhanças perfiladas ajustadas corrigida (LRc pa), no que se refere a tamanho e poder em amostras finitas. Os resultados numéricos obtidos favorecem o teste proposto nesta dissertação.

Made available in DSpace on 2014-06-12T18:01:37Z (GMT). No. of bitstreams: 2 arquivo3765_1.pdf: 1126848 bytes, checksum: 6084e693b2b53f5b42f4016d8d99549b (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009 / Neste trabalho, tratamos de refinamento de testes de hipóteses nos modelos de regressão não-lineares simétricos heteroscedásticos com função de ligação quaisquer para a média e para o parâmetro de escala. Desenvolvemos e apresentamos, em notação matricial, um fator de correção de Bartlett para a estatística da razão de verossimilhanças nesta classe de modelos. Apresentamos também um teste de razão de verossimilhanças. Apresentamos, em notação matricial, fatores de correção de Bartlett para melhorar as estatísticas da razão de verossimilhanças nesta classe de modelos

Made available in DSpace on 2014-06-12T18:03:19Z (GMT). No. of bitstreams: 2 arquivo625_1.pdf: 917105 bytes, checksum: 2982369268df74cf1446d480aa77ff6a (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2010 / Universidade Federal de Pernambuco / Esta dissertação tem dois objetivos. O primeiro é a obtenção da correção de viés de segunda ordem dos estimadores de máxima verossimilhança na classe dos Modelos em Série de Potência Não-Lineares Generalizados, considerando o parâmetro de dispersão conhecido, via Cox & Snell (1968) e bootstrap (Efron, 1979). O segundo objetivo é a obtenção da correção de Bartlett à estatística da razão de verossimilhanças nesta classe de modelos. Desenvolvemos estudos de simulação para avaliar e comparar numericamente o comportamento dos estimadores de máxima verossimilhança, bem como o de suas versões corrigidas, em amostras finitas. Adicionalmente, avaliamos numericamente o desempenho dos testes da razão de verossimilhanças e suas versões corrigidas em relação ao tamanho e poder em amostras finitas. Por fim, realizamos uma aplicação empírica

Made available in DSpace on 2014-06-12T18:06:36Z (GMT). No. of bitstreams: 2 arquivo9498_1.pdf: 801043 bytes, checksum: ccc5adc29d401845fe6ebd6adf82f473 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2012 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Nesta dissertação abordamos o desempenho do teste da razão de verossimilhanças usual e suas versões modificadas em pequenas amostras na classe dos modelos não lineares simétricos heteroscedásticos (MNLSH), mais especificamente, nos modelos t􀀀Student com 4 graus de liberdade e Exponencial potência com parâmetro de forma k = 0; 3. Além do teste usual, são considerados os testes baseados na estatística da razão de verossimilhanças corrigida via Bartlett (1937), LR, na estatística da razão de verossimilhanças perfiladas modificadas via Cox e Reid (1987), LRm; e sua respectiva versão corrigida via DiCiccio e Stern (1994), LRm. Desse modo, os objetivos principais deste trabalho são obter um fator de correção de Bartlett para a estatística LRm na classe dos MNLSH e realizar um estudo de simulação para avaliar o desempenhos dos testes de hipóteses baseados na estatística da razão de verossimilhanças usual, LR, e nas estatísticas LR, LRm e LRm . Neste estudo de simulação avaliamos o comportamento dos quatro testes em questão com relação ao tamanho, poder e discrepância relativa de quantis em amostras de tamanhos finitos e pode-se observar que, de modo geral, o teste baseado na estatística LRm apresentou o melhor desempenho

Submitted by Etelvina Domingos (etelvina.domingos@ufpe.br) on 2015-03-05T17:58:21Z No. of bitstreams: 2 MA.pdf: 801043 bytes, checksum: ccc5adc29d401845fe6ebd6adf82f473 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T17:58:21Z (GMT). No. of bitstreams: 2 MA.pdf: 801043 bytes, checksum: ccc5adc29d401845fe6ebd6adf82f473 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-02 / CAPES / Nesta dissertação abordamos o desempenho do teste da razão de verossimilhanças usual e suas versões modificadas em pequenas amostras na classe dos modelos não lineares simétricos heteroscedásticos (MNLSH), mais especificamente, nos modelos tStudent com 4 graus de liberdade e Exponencial potência com parâmetro de forma k = 0; 3. Além do teste usual, são considerados os testes baseados na estatística da razão de verossimilhanças corrigida via Bartlett (1937), LR , na estatística da razão de verossimilhanças perfiladas modificadas via Cox e Reid (1987), LRm; e sua respectiva versão corrigida via DiCiccio e Stern (1994), LR m . Desse modo, os objetivos principais deste trabalho são obter um fator de correção de Bartlett para a estatística LRm na classe dos MNLSH e realizar um estudo de simulação para avaliar o desempenhos dos testes de hipóteses baseados na estatística da razão de verossimilhanças usual, LR, e nas estatísticas LR , LRm e LR m . Neste estudo de simulação avaliamos o comportamento dos quatro testes em questão com relação ao tamanho, poder e discrepância relativa de quantis em amostras de tamanhos finitos e pode-se observar que, de modo geral, o teste baseado na estatística LR m apresentou o melhor desempenho.

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

Made available in DSpace on 2014-06-12T18:01:37Z (GMT). No. of bitstreams: 2 arquivo6698_1.pdf: 1066555 bytes, checksum: db4d02aef759ceeda67e4d16ca74b282 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2011 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / Esta tese aborda aspectos de modelagem e inferência em regressão beta, mais especificamente melhoramentos do teste de razão da verossimilhanças e proposição e investigação de critérios de seleção de modelos. O modelo de regressão beta foi proposto por Ferrari e Cribari-Neto [2004. Beta regression for modeling rates and proportions. J. Appl. Statist. 31, 799 815] para modelar variáveis contínuas no intervalo (0;1), como taxas e proporções. No primeiro capítulo, abordamos o problema de inferência em pequenas amostras. Focamos no melhoramento do teste da razão de verossimilhanças. Consideramos correções de segunda ordem para a estatística da razão de verossimilhanças em regressão beta em duas abordagens. Determinamos, por meio de uma abordagem matricial, o fator de correção de Bartlett e também uma correção de Bartlett Bootstrap. Comparamos os testes baseados nas estatísticas corrigidas com o teste da razão de verossimilhanças usual e com o teste que utiliza o ajuste de Skovgaard, que já está proposto na literatura. Os resultados numéricos evidenciam que as correções de Bartlett são mais acuradas do que a estatística não corrigida e do que o ajuste de Skovgaard. No segundo e terceiro capítulos, expandimos o modelo de regressão beta proposto por Ferrari e Cribari-Neto, considerando um modelo que assume que o parâmetro de dispersão, assim como o parâmetro de média, varia ao longo das observações e pode ser modelado por meio de uma estrutura de regressão. Com isso, surge o problema da seleção de variáveis, tanto para a estrutura da média quanto para a da dispersão. Esse assunto é tratado em dois capítulos independentes e auto-contidos, porém, ambos relacionados. No Capítulo 2 propomos critérios de seleção para modelos com dispersão variável e investigamos, por meio de simulação de Monte Carlo, os desempenhos destes e de outros critérios de seleção em amostras de tamanho finito. Percebemos que o processo de seleção conjunta de regressores para a média e para a dispersão não é uma boa prática e propomos um esquema de seleção em duas etapas. A seleção de modelos com o esquema proposto, além de requerer um menor custo computacional, apresentou melhor desempenho do que o método usual de seleção. Dentre os critérios investigados encontra-se o critério de informação de Akaike (AIC). O AIC é, sem dúvida, o critério mais conhecido e aplicado em diferentes classes de modelos. Baseados no AIC diversos critérios têm sido propostos, dentre eles o SIC, o HQ e o AICc. Com o objetivo de estimar o valor esperado da log-verossimilhança, que é uma medida de discrepância entre o modelo verdadeiro e o modelo candidato estimado, Akaike obtém o AIC como uma correção assintótica para a log-verossimilhança esperada. No entanto, em pequenas amostras, ou quando o número de parâmetros do modelo é grande relativamente ao tamanho amostral, o AIC se torna viesado e tende a selecionar modelos com alta dimensionalidade. Ao considerarmos uma estrutura de regressão também para o parâmetro de dispersão introduzimos um maior número de parâmetros a serem estimados no modelo. Isso pode diminuir o desempenho dos critérios de seleção quando o tamanho amostral é pequeno ou moderado. Para contornar esse problema propomos no Capítulo 3 novos critérios de seleção para serem usados em pequenas amostras, denominados bootstrap likelihood quasi-CV (BQCV) e sua modificação 632QCV. Comparamos os desempenhos dos critérios propostos, do AIC e de suas diversas variações que utilizam log-verossimilhança bootstrap por meio de um extensivo estudo de simulação. Os resultados numéricos evidenciam o bom desempenho dos critérios propostos

Made available in DSpace on 2014-06-12T18:06:35Z (GMT). No. of bitstreams: 2 arquivo9497_1.pdf: 506400 bytes, checksum: e9f5ea43d7905d4b2ce5b74712cf8183 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2012 / Conselho Nacional de Desenvolvimento Científico e Tecnológico / Essa dissertação tem dois objetivos. O primeiro consiste na obtenção de um fator de correção tipo-Bartlett para a estatística escore nos modelos em série de potência não-lineares generalizados. O segundo é comparar o desempenho dos testes baseados nas seguintes estatísticas, a saber: escore e suas versões corrigidas, razão de verossimilhanças e suas versões corrigidas e a gradiente, no que tange ao tamanho e ao poder. Finalmente apresentamos uma aplicação a dados reais

Submitted by Etelvina Domingos (etelvina.domingos@ufpe.br) on 2015-03-05T17:36:58Z No. of bitstreams: 2 ML.pdf: 506400 bytes, checksum: e9f5ea43d7905d4b2ce5b74712cf8183 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) / Made available in DSpace on 2015-03-05T17:36:58Z (GMT). No. of bitstreams: 2 ML.pdf: 506400 bytes, checksum: e9f5ea43d7905d4b2ce5b74712cf8183 (MD5) license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) Previous issue date: 2012-02 / CNPq / Essa dissertação tem dois objetivos. O primeiro consiste na obtenção de um fator de correção tipo-Bartlett para a estatística escore nos modelos em série de potência não-lineares generalizados. O segundo é comparar o desempenho dos testes baseados nas seguintes estatísticas, a saber: escore e suas versões corrigidas, razão de verossimilhanças e suas versões corrigidas e a gradiente, no que tange ao tamanho e ao poder. Finalmente apresentamos uma aplicação a dados reais.