Spelling suggestions: "subject:"cotensor métrica"" "subject:"cotensor métricas""
1 |
Aplicações da geometria riemanniana em estatística matemáticaBarrêto, Felipe Fernando ângelo 27 September 2013 (has links)
Made available in DSpace on 2015-05-15T11:46:16Z (GMT). No. of bitstreams: 1
arquivototal.pdf: 713593 bytes, checksum: 9a4eca1dfe2fca22fc63a3364773af08 (MD5)
Previous issue date: 2013-09-27 / Coordenação de Aperfeiçoamento de Pessoal de Nível Superior - CAPES / Cook's local infuence approach based on normal curvature is an important diagnostic tool
for assessing local infuence of minor perturbations to a statistical model. However, no rigorous
approach has been developed to address two fundamental issues: the selection of an appropriate
perturbation and the development of infuence measures for objective functions at a point with a
nonzero rst derivative. The aim of this paper is to develop a diferential-geometrical framework of
a perturbation model (called the perturbation manifold) and utilize associated metric tensor and
ane curvatures to resolve these issues. We will show that the metric tensor of the perturbation
manifold provides important information about selecting an appropriate perturbation of a model. / A Abordagem de influência local de Cook [2] com base em curvatura normal é uma importante
ferramenta de diagnóstico para avaliar a influência local de pequenas perturbações de um
modelo estatístico. No entanto, tem sido desenvolvida nenhuma abordagem rigorosa para abordar
duas questões fundamentais: a escolha de uma perturbação apropriada e o desenvolvimento de
medidas de influência para funções objetos em um ponto com a primeira derivada diferente de
zero. O objetivo deste trabalho é desenvolver uma estrutura diferencial-geométrica de um modelo
de perturbação (chamado de variedade de perturbação) e utilizar o tensor métrico associado e as
curvaturas afins para resolver esses problemas. Vamos mostrar que o tensor métrico da variedade
de perturbação fornece informações importantes sobre a seleção de uma perturbação apropriada
de um modelo.
|
Page generated in 0.066 seconds