Neste trabalho propomos a distribuição Weibull-Binomial-Negativa (WBN) considerando uma estrutura de ativação latente para explicar a ocorrência do evento de interesse, em que o número de causas competitivas é modelado pela distribuição Binomial Negativa, e os tempos não observados devido às causas seguem a distribuição Weibull. Em geral, as causas competitivas podem ter diferentes mecanismos de ativação, sendo assim os casos de primeira ativação, última ativação e ativação aleatória foram considerados no estudo. Desse modo o modelo proposto inclui uma ampla distribuição, tais como Weibull-Geométrico (WG) e Exponencial-Poisson Complementar (EPC), introduzidas por Barreto-Souza et al. (2011) e G. et al. (2011), respectivamente. Baseando-nos na mesma estrutura, consideramos o modelo de regressão locação-escala baseado na distribuição proposta (WBN) e o modelo para dados de sobrevivência com fração de cura. Os principais objetivos deste trabalho é estudar as propriedades matemáticas dos modelos propostos e desenvolver procedimentos de inferências desde uma perspectiva clássica e Bayesiana. Além disso, as medidas de diagnóstico Bayesiana baseadas na \'psi\'-divergência (Peng & Dey, 1995; Weiss, 1996), que inclui como caso particular a medida de divergência Kullback-Leibler (K-L), foram consideradas para detectar observações influentes / In this work we propose the Weibull-Negative-Binomial (WNB) considering a latent activation structure to explain the occurrence of an event of interest, where the number of competing causes are modeled by the Negative Binomial distribution and the no observed time due to the causes following the Weibull distribution. In general, the competitive causes may have different activation mechanisms, cases of first, last and random activation were considered in the study. Thus, the proposed model includes a wide distribution such as Weibull-Geometric distribution (WG) and Exponential-Poisson complementary (EPC) introduced by (Barreto-Souza et al., 2011) and (G. et al., 2011) respectively. Based on the same structure, we propose a location-scale regression model based on the proposed distribution (WNB) and the model for survival data with cure fraction. The main objectives of this work is to study the mathematical properties of the proposed models and develop procedures inferences from a classical and Bayesian perspective. Moreover, the Bayesian diagnostic measures based on the \'psi\'-divergence (Peng & Dey, 1995; Weiss, 1996), which includes Kullback-Leibler (K-L) divergence measure as a particular case, were considered to detect influential observations

Metodologias para obtenção do tamanho amostral para estimar a concentração de organismos em água de lastro e verificar normas internacionais são desenvolvidas sob uma abordagem bayesiana. Consideramos os critérios da cobertura média, do tamanho médio e da minimização do custo total sob os modelos Poisson com distribuição a priori gama e binomial negativo com distribuição a priori Pearson Tipo VI. Além disso, consideramos um processo Dirichlet como distribuição a priori no modelo Poisson com o propósito de obter maior flexibilidade e robustez. Para fins de aplicação, implementamos rotinas computacionais usando a linguagem R. / Sample size methodologies for estimating the organism concentration in ballast water and for verifying international standards are developed under a Bayesian approach. We consider the criteria of average coverage, of average length and of total cost minimization under the Poisson model with a gamma prior distribution and the negative binomial model with a Pearson type VI prior distribution. Furthermore, we consider a Dirichlet process as a prior distribution in the Poisson model with the purpose to gain more flexibility and robustness. For practical applications, we implemented computational routines using the R language.

Made available in DSpace on 2016-06-02T20:06:02Z (GMT). No. of bitstreams: 1 2203.pdf: 1300161 bytes, checksum: 2c1f11d939eab9ab849bb04bf2363a53 (MD5) Previous issue date: 2009-02-10 / Financiadora de Estudos e Projetos / This study considers two discrete distributions based on Bernoulli trials: the Binomial and the Negative Binomial. We explore credibility and confidence intervals to estimate the probability of success of each distribution. The main goal is to analyze their performance coverage probability and average range across the parametric space. We also consider point analysis of bayesian estimators and maximum likelihood estimators, whose interest is to confirm through simulation their consistency, bias and mean square error. In this paper the Objective Bayesian Inference is applied through the noninformative Bayes-Laplace prior, Haldane prior, reference prior and least favorable prior. By analyzing the prior distributions in the minimax decision theory context we verified that the least favorable prior distribution has every other considered prior distributions as particular cases when a quadratic loss function is applied, and matches the Bayes-Laplace prior in considering the quadratic weighed loss function for the Binomial model (which was never found in literature). We used the noninformative Bayes-Laplace prior and Jeffreys prior for the Negative Binomial model. Our findings show through coverage probability, average range of bayesian intervals and point estimation that the Objective Bayesian Inference has good frequentist properties for the probability of success of Binomial and Negative Binomial models. The last stage of this study discusses the presence of correlated proportions in matched-pairs (2 × 2 table) of Bernoulli with the goal of obtaining more information in relation of the considered measures for testing the occurrence of correlated proportions. In this sense the Trinomial model and the partial likelihood function were used from the frequentist and bayesian point of view. The Full Bayesian Significance Test (FBST) was used for real data sets and was shown sensitive to parameterization, however, this study was not possible for the frequentist method since distinct methods are needed to be applied to Trinomial model and the partial likelihood function. / Neste estudo são abordadas duas distribuições discretas baseadas em ensaios de Bernoulli, a Binomial e a Binomial Negativa. São explorados intervalos de credibilidade e confiança para estimação da probabilidade de sucesso de ambas as distribuições. A principal finalidade é analisar nos contextos clássico e bayesiano o desempenho da probabilidade de cobertura e amplitude média gerada pelos intervalos de confiança e intervalos de credibilidade ao longo do espaço paramétrico. Considerou-se também a análise dos estimadores pontuais bayesianos e o estimador de máxima verossimilhança, cujo interesse é confirmar por meio de simulação a consistência e calcular o viés e o erro quadrático médio dos mesmos. A Inferência Bayesiana Objetiva é empregada neste estudo por meio das distribuições a priori não-informativas de Bayes-Laplace, de Haldane, de Jeffreys e menos favorável. Ao analisar as distribuições a priori no contexto de teoria de decisões minimax, a distribuição a priori menos favorável resgata as demais citadas ao empregar a função de perda quadrática e coincide com a distribuição a priori de Bayes-Laplace ao considerar a função de perda quadrática ponderada para o modelo Binomial, o que não foi encontrado até o momento na literatura. Para o modelo Binomial Negativa são consideradas as distribuições a priori não-informativas de Bayes-Laplace e de Jeffreys. Com os estudos desenvolvidos pôde-se observar que a Inferência Bayesiana Objetiva para a probabilidade de sucesso dos modelos Binomial e Binomial Negativa apresentou boas propriedades freqüentistas, analisadas a partir da probabilidade de cobertura e amplitude média dos intervalos bayesianos e por meio das propriedades dos estimadores pontuais. A última etapa do trabalho consiste na análise da ocorrência de proporções correlacionadas em pares de eventos de Bernoulli (tabela 2×2) com a finalidade de determinar um possível ganho de informação em relação as medidas consideradas para testar a ocorrência de proporções correlacionadas. Para tanto fez-se uso do modelo Trinomial e da função de verossimilhança parcial tanto numa abordagem clássica quanto bayesiana. Nos conjuntos de dados analisados observou-se a medida de evidência bayesiana (FBST) como sensível à parametrização, já para os métodos clássicos essa comparação não foi possível, pois métodos distintos precisam ser aplicados para o modelo Trinomial e para a função de verossimilhança parcial.

Made available in DSpace on 2016-06-02T20:06:03Z (GMT). No. of bitstreams: 1 2510.pdf: 1878422 bytes, checksum: 882e21e70271b7a106e3a27a080da004 (MD5) Previous issue date: 2009-04-06 / This work has as central theme the Inflated Modified Power Series Distributions, where the objective is to study its main properties and the applicability in the bayesian context. This class of models includes the generalized Poisson, binomial and negative binomial distributions. These probability distributions are very helpful to models discrete data with inflated values. As particular case the - zero inflated Poisson models (ZIP) is studied, where the main purpose was to verify the effectiveness of it when compared to the Poisson distribution. The same methodology was considered for the negative binomial inflated distribution, but comparing it with the Poisson, negative binomial and ZIP distributions. The Bayes factor and full bayesian significance test were considered for selecting models. / Este trabalho tem como tema central a classe de distribuições série de potências inflacionadas, em que o intuito é estudar suas principais propriedades e a aplicabilidade no contexto bayesiano. Esta classe de modelos engloba as distribuições de Poisson, binomial e binomial negativa simples e as generalizadas e, por isso é muito aplicada na modelagem de dados discretos com valores excessivos. Como caso particular propôs-se explorar a distribuição de Poisson zero inflacionada (ZIP), em que o objetivo principal foi verificar a eficácia de sua modelagem quando comparada à distribuição de Poisson. A mesma metodologia foi considerada para a distribuição binomial negativa inflacionada, mas comparando-a com as distribuições de Poisson, binomial negativa e ZIP. Como critérios formais para seleção de modelos foram considerados o fator de Bayes e o teste de significância completamente bayesiano.

Metodologias para obtenção do tamanho amostral para estimar a concentração de organismos em água de lastro e verificar normas internacionais são desenvolvidas sob uma abordagem bayesiana. Consideramos os critérios da cobertura média, do tamanho médio e da minimização do custo total sob os modelos Poisson com distribuição a priori gama e binomial negativo com distribuição a priori Pearson Tipo VI. Além disso, consideramos um processo Dirichlet como distribuição a priori no modelo Poisson com o propósito de obter maior flexibilidade e robustez. Para fins de aplicação, implementamos rotinas computacionais usando a linguagem R. / Sample size methodologies for estimating the organism concentration in ballast water and for verifying international standards are developed under a Bayesian approach. We consider the criteria of average coverage, of average length and of total cost minimization under the Poisson model with a gamma prior distribution and the negative binomial model with a Pearson type VI prior distribution. Furthermore, we consider a Dirichlet process as a prior distribution in the Poisson model with the purpose to gain more flexibility and robustness. For practical applications, we implemented computational routines using the R language.

Made available in DSpace on 2016-06-02T20:06:07Z (GMT). No. of bitstreams: 1 4375.pdf: 903031 bytes, checksum: 03118f406867a5d7be3cbc63571d4a2b (MD5) Previous issue date: 2012-04-12 / Financiadora de Estudos e Projetos / The chemical induction of carcinogens in chemopreventive animal experiments is becoming increasingly frequent in biological research. The purpose of these biological experiments is to evaluate the effect of a particular treatment on the rate of tumors incidence in animals. In this work, the number of promoted tumors per animal will be parametrically modeled following the suggestions given by Kokoska (1987) and Freedman et al. (1993). The study of these chemopreventive experiments will be presented in the context of the destructive model proposed by Rodrigues et al. (2010) with terminal variable that allows or censures the experiment at time of the animal death. Since the data analyzed in this field are subject to excess of zeros (Freedman et al. (1993)), we propose for the number of promoted tumors a negative binomial distribution (NB), a zero-inflated Poisson distribution (ZIP), and a zero-inflated Negative Binomial distribution (ZINB). The selection of these models will be made through the likelihood ratio test and the AIC, BIC criteria. The estimation of its parameters will be obtained by using the method of maximum likelihood, and further simulation studies will also be realized. As a future proposition to finalize this project, it is suggested the Bayesian methodology as an alternative to the method of maximum likelihood via the EM algorithm. / A indução química de substâncias cancerígenas em experimentos quimiopreventivos em animais é cada vez mais frequente em pesquisas biológicas. O objetivo destes experimentos biológicos é avaliar o efeito de um determinado tratamento na taxa de incidência de tumores em animais. Neste trabalho o número de tumores promovidos por animal será modelado parametricamente seguindo as sugestões dadas por Kokoska (1987) e por Freedman et al. (1993). O estudo desses experimentos quimiopreventivos será apresentado no contexto do modelo destrutivo proposto por Rodrigues et al. (2010) com variável terminal que condiciona ou censura o experimento no instante de morte do animal. Os dados analisados possuem uma grande quantidade de zeros, portanto será proposto para o número de tumores promovidos as seguintes distribuições: binomial negativa, a distribuição de Poisson com zeros inflacionados e a distribuição binomial negativa com zeros inflacionados. A seleção destes modelos será feita através do teste da razão de verossimilhança e os critérios AIC, BIC. As estimativas dos respectivos parâmetros serão obtidas utilizando o método de máxima verossimilhança e serão feitos estudos de simulação. Para continuar este projeto, a proposta futura é utilizar a metodologia Bayesiana como alternativa ao método de máxima verossimilhança via algoritmo EM.

Made available in DSpace on 2016-06-02T20:06:08Z (GMT). No. of bitstreams: 1 5190.pdf: 1093269 bytes, checksum: 0d9bf9c7a3855887a0f66859b3a9cc22 (MD5) Previous issue date: 2013-05-06 / Financiadora de Estudos e Projetos / In this work, it was estudied the models INGARCH , GLARMA and GARMA to model count time series data with Poisson and Negative Binomial discrete conditional distributions. The main goal was analyze in classic and bayesian approach, the adequability and goodness of fit of these models, also the contruction of credibility intervals about each parameter. To the Bayesian study, was cosiderated a joint prior distribuition that satisfied the conditions of each model and got a posterior distribution. This aproach presents too some criterion selection like (EBIC), (DIC) and ordenaded predictive conditional density (CPO) for Bayesian cases and (BIC) for classic cases. A simulation study was done to check the maximum likelihood estimator consistency in classic approach and has used criterion selection classic and Bayesian to choose the order of each model. An Analysis has made in a real data set realized as final stage as, these data consist the number of financial transactions in 30 minutes. These results have made in a classical and Bayesian approach , and discribed the data caracteristic. / Nesta dissertação estudou-se os modelos INGARCH, GLARMA e GARMA para modelar séries temporais de dados de contagem com as distribuições condicionais de Poisson e Binomial Negativa. A principal finalidade foi analisar no contexto clássico e bayesiano, a adequabilidade e qualidade de ajuste dos modelos em questão, assim como a construção de intervalos de credibilidade dos parâmetros para cada modelo testado. Para a abordagem Bayesiana foram consideradas priori conjugada, satisfazendo as condições de cada modelo em questão, obtendo assim uma distribuição a posteriori. A abordagem proposta apresenta também o cálculo de critérios de seleção de modelos como o (EBIC), (DIC) e densidade condicional preditiva ordenada (CPO) para o caso Bayesiano e (BIC) para a abordagem clássica. Com um estudo de simulação foi possível verificar a consistência dos estimadores de máxima verossimilhança (clássicos) além disso, foi usado critérios de seleção clássicos e Bayesianos para a seleção da ordem de cada um dos modelos. Uma análise de um conjunto de dados reais foi realizada, sendo uma série do número de transações financeiras realizadas em 30 minutos respectiva os mês de novembro de 2011. Estes resultados apresentam que tanto o estudo clássico, quanto o bayesiano, são capazes de descrever bem o comportamento da série e foram eficientes na escolha da ordem do mesmo.