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.