Spelling suggestions: "subject:"contribuições - probabilidade""
1 |
Distribuições de probabilidade de precipitação de intensidade máxima para Piracicaba, SP / Probability distributions of maximum intensity precipitations for Piracicaba, SPPiccinini, Maristela Reis Dellalibera 04 March 1994 (has links)
Com o objetivo de determinar a distribuição de probabilidade das alturas pluviométricas máximas, em durações de tempo variadas (15, 30, 60 minutos, 24 horas e anual), para cada mês do período outubro a março e no ano para Piracicaba, SP, foram testados os modelos de distribuição"Normal"e"Gama", com dados obtidos através de pluviogramas diários de um período de 33 anos. As comparações foram feitas através dos testes Kolmogorov-Smirnov e Lilliefors, com nível de significância de α= 0,05. Os resultados obtidos indicaram que as duas distribuições podem ser utilizadas, sendo que a Gama apresentou um menor desvio na maioria dos casos, quando se consideram períodos mensais, e a Normal para período anual. Considerando a altura mínima de 8 mm em 15 minutos, correspondente a uma intensidade máxima de 0,533 mm/min, encontrou-se uma probabilidade de ocorrência elevada para os meses de dezembro (84,8%) e fevereiro (89,5%). Para altura pluviométrica igual ou maior que 20 mm em 15 minutos encontraram-se uma probabilidade de 16, 2% em dezembro e 8% em janeiro. Para o ano e para valores de altas intensidades, como 15 mm em 15 minutos, a probabilidade é bastante alta (87,1%), sendo de 69,5% para 20 mm/15 minutos e 87, 5% para 25 mm/30 minutos. Para valores em 24 horas, encontrou-se probabilidades de 16,5% e 18,2% nos meses de dezembro e janeiro, respectivamente. iguais ou superiores a 55mm. / With the objective of determining the maximum intensity precipitation distributions. for different time intervals (15; 30; 60 min; 24 h and 1 year), for each month of the October-March period, for the year, for the county of Piracicaba, SP, normal and gamma distributions were used as statistical models. Data used were obtained from daily pluviograms colleted over 33 years. Comparison was made through Kolmogorov-Smirnov and Lilliefors tests, with a significance level of 0,05. Results indicate that both distributions can be used, although the gamma distribution has presented the smallest deviations in most cases of monthly periods, and the Normal distribution for the yearly period. Considering a minimum value of 8 mm in 15 min, which corresponds to an intensity of 0,533 mm/min, a high occurrence was found for the months of December (84,8%) and February (89, 5%). For values equal to or greater than 20 mm in 15 min, a probability of 16,2% was found for December and 8% for January. For the year and for high intensities, like 15 mm in 15 min, probability is very high (87,1%), being 69,5% for 20 mm/15 min and 87,5% for 25 mm/30 min. For 24 h values, probabilities of 16,5% and 18,2% were found for the months of December and January, respectively, for the rainfall equal to or greater than 55 mm.
|
2 |
Distribuições de probabilidade de precipitação de intensidade máxima para Piracicaba, SP / Probability distributions of maximum intensity precipitations for Piracicaba, SPMaristela Reis Dellalibera Piccinini 04 March 1994 (has links)
Com o objetivo de determinar a distribuição de probabilidade das alturas pluviométricas máximas, em durações de tempo variadas (15, 30, 60 minutos, 24 horas e anual), para cada mês do período outubro a março e no ano para Piracicaba, SP, foram testados os modelos de distribuição"Normal"e"Gama", com dados obtidos através de pluviogramas diários de um período de 33 anos. As comparações foram feitas através dos testes Kolmogorov-Smirnov e Lilliefors, com nível de significância de α= 0,05. Os resultados obtidos indicaram que as duas distribuições podem ser utilizadas, sendo que a Gama apresentou um menor desvio na maioria dos casos, quando se consideram períodos mensais, e a Normal para período anual. Considerando a altura mínima de 8 mm em 15 minutos, correspondente a uma intensidade máxima de 0,533 mm/min, encontrou-se uma probabilidade de ocorrência elevada para os meses de dezembro (84,8%) e fevereiro (89,5%). Para altura pluviométrica igual ou maior que 20 mm em 15 minutos encontraram-se uma probabilidade de 16, 2% em dezembro e 8% em janeiro. Para o ano e para valores de altas intensidades, como 15 mm em 15 minutos, a probabilidade é bastante alta (87,1%), sendo de 69,5% para 20 mm/15 minutos e 87, 5% para 25 mm/30 minutos. Para valores em 24 horas, encontrou-se probabilidades de 16,5% e 18,2% nos meses de dezembro e janeiro, respectivamente. iguais ou superiores a 55mm. / With the objective of determining the maximum intensity precipitation distributions. for different time intervals (15; 30; 60 min; 24 h and 1 year), for each month of the October-March period, for the year, for the county of Piracicaba, SP, normal and gamma distributions were used as statistical models. Data used were obtained from daily pluviograms colleted over 33 years. Comparison was made through Kolmogorov-Smirnov and Lilliefors tests, with a significance level of 0,05. Results indicate that both distributions can be used, although the gamma distribution has presented the smallest deviations in most cases of monthly periods, and the Normal distribution for the yearly period. Considering a minimum value of 8 mm in 15 min, which corresponds to an intensity of 0,533 mm/min, a high occurrence was found for the months of December (84,8%) and February (89, 5%). For values equal to or greater than 20 mm in 15 min, a probability of 16,2% was found for December and 8% for January. For the year and for high intensities, like 15 mm in 15 min, probability is very high (87,1%), being 69,5% for 20 mm/15 min and 87,5% for 25 mm/30 min. For 24 h values, probabilities of 16,5% and 18,2% were found for the months of December and January, respectively, for the rainfall equal to or greater than 55 mm.
|
3 |
Distribuições em série de potências modificadas inflacionadas e distribuição Weibull binominal negativa / Inflated modified power serie distribution and Weibull negative binomialRodrigues, Cristiane 03 June 2011 (has links)
Neste trabalho, alguns resultados, tais como, função geradora de momentos, relações de recorrência para os momentos e alguns teoremas da classe de distribuições em séries de potencias modificadas (MPSD) proposta por Gupta (1974) e da classe de distribuições em séries de potências modificadas inflacionadas (IMPSD) tanto em um ponto diferente de zero como no ponto zero são apresentados. Uma aplicação do Modelo Poisson padrão, do modelo binomial negativo padrão e dos modelos inflacionados de zeros para dados de contagem, ZIP e ZINB, utilizando-se as técnicas dos MLGs, foi realizada para dois conjuntos de dados reais juntamente com o gráfico normal de probabilidade com envelopes simulados. Também foi proposta a distribuição Weibull binomial negativa (WNB) que é bastante flexível em análise de dados positivos e foram estudadas algumas de suas propriedades matemáticas. Esta é uma importante alternativa para os modelos Weibull e Weibull geométrica, sub-modelos da WNB. A demostração de que a densidade da distribuição Weibull binomial negativa pode ser expressa como uma mistura de densidades Weibull é apresentada. Fornecem-se, também, seus momentos, função geradora de momentos, gráficos da assimetria e curtose, expressoes expl´citas para os desvios médios, curvas de Bonferroni e Lorenz, função quantílica, confiabilidade e entropia, a densidade da estat´stica de ordem e expressões explícita para os momentos da estatística de ordem. O método de máxima verossimilhança é usado para estimar os parametros do modelo. A matriz de informação esperada ´e derivada. A utilidade da distribuição WNB está ilustrada na an´alise de dois conjuntos de dados reais. / In this paper, some result such as moments generating function, recurrence relations for moments and some theorems of the class of modified power series distributions (MPSD) proposed by Gupta (1974) and of the class of inflated modified power series distributions (IMPSD) both at a different point of zero as the zero point are presented. The standard Poisson model, the standard negative binomial model and zero inflated models for count data, ZIP and ZINB, using the techniques of the GLMs, were used to analyse two real data sets together with the normal plot with simulated envelopes. The new distribution Weibull negative binomial (WNB) was proposed. Some mathematical properties of the WNB distribution which is quite flexible in analyzing positive data were studied. It is an important alternative model to the Weibull, and Weibull geometric distributions as they are sub-models of WNB. We demonstrate that the WNB density can be expressed as a mixture of Weibull densities. We provide their moments, moment generating function, plots of the skewness and kurtosis, explicit expressions for the mean deviations, Bonferroni and Lorenz curves, quantile function, reliability and entropy, the density of order statistics and explicit expressions for the moments of order statistics. The method of maximum likelihood is used for estimating the model parameters. The expected information matrix is derived. The usefulness of the new distribution is illustrated in two analysis of real data sets.
|
4 |
As distribuições Kumaraswamy-log-logística e Kumaraswamy-logística / Distributions Kumaraswamy-log-logistic and Kumaraswamy-logisticSantana, Tiago Viana Flor de 18 October 2010 (has links)
Neste trabalho apresenta-se duas novas distribuições de probabilidade obtidas de dois métodos de generalização da distribuição log-logística com dois parâmetros (LL(?,?)). O primeiro método descrito em Marshall e Olkin (1997) transforma a nova distribuição, agora com três parâmetros e denominada distribuição log-logística modificada (LLM (v,?,?)), mais flexível porém, não muda a forma geral da função de taxa de falha e o novo parâmetro v, não influência no cálculo da assimetria e curtose. O segundo método utiliza a classe de distribuições Kumaraswamy proposta por Cordeiro e Castro (2010), para construir a nova distribuição de probabilidade, denominada distribuição Kumaraswamy log-logística (Kw-LL(a,b,?,?)), a qual considera dois novos parâmetros a e b obtendo ganho nas formas da função de taxa de falha, que agora além de modelar dados onde a função de taxa de falha tem forma decrescente e unimodal, modela forma crescente e forma de U. Também foi proposto as distribuições logística modificada (LM (v,µ,?)) e Kumaraswamy logística (Kw-L (a,b, µ,?)$) para a variável Y=log(T), em que T ~ LLM (v,?,?) no caso da distribuição logística modificada e T ~ Kw-LL(a,b,?,?) no caso da distribuição Kw-L. Com reparametrização ? = exp(µ) e ? = 1/?. Da mesma forma que a distribuição LLM, não há ganho quanto a forma da função de taxa de falha da distribuição logística modificada e o parâmetro v não contribuiu para o cálculo da assimetria e curtose desta distribuição. O modelo de regressão locação e escala foi proposto para ambas as distribuições. Por fim, utilizou-se dois conjuntos de dados, para exemplificar o ganho das novas distribuições Kw-LL e Kw-L em relação as distribuições log-logística e logística. O primeiro conjunto refere-se a dados de tempo até a soro-reversão de 143 crianças expostas ao HIV por via vertical, nascidas no Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto no período de 1995 a 2001, onde as mães não foram tratadas. O segundo conjunto de dados refere-se ao tempo até a falha de um tipo de isolante elétrico fluido submetivo a sete níveis de voltagem constante. / In this work, are presented two new probability distributions, obtained from two generalization methods of the log-logistic distribution, with two parameters (LL (?, ?)). The first method described in Marshall e Olkin (1997) turns the new distribution, now with three parameters, called modified log-logistic distribution (LLM(v, ?, ?)). This distribution is more flexible, but, does not change the general shape of the failure rate function, as well as the new parameter v, does not influence the calculus of skewness and kurtosis. The second method, uses the class of distributions Kumaraswamy proposed by Cordeiro and Castro (2010). To build the new probability distribution, called Kumaraswamy log-logistic distribution (Kw-LL(a,b,?,?)), which considers two new parameters a and b gaining in the forms of failure rate function, that now, even modeling data where the failure rate function has decreasing and unimodal shape, models the increasing form and the U-shaped. Also, were proposed the distributions modified logistic (LM (v,µ,?)) and Kumaraswamy logistics (Kw-L (a,b,µ,?)) for the variable Y=log(T), where T ~ LLM(v,?,?) in the case of the modified logistic distribution and T ~ Kw-LL (a,b,?,?) in the case of Kw-L distribution, with reparametrization ? =exp(µ) and ? = 1/?. As in the distribution LLM, there is no gain for the shape of the failure rate function of modified logistic distribution and the parameter v does not contribute to the calculation of skewness and kurtosis of the distribution. The location and scale regression models were proposed for both distributions. As illustration, were used two datasets to exemplify the gain of the new distributions Kw-LL and Kw-L compared with the log-logistic and logistic distributions. The first dataset refers to the data of time until soro-reversion of 143 children exposed to HIV through vertical, born in the Hospital of the Medical School of Ribeirão Preto during the period 1995 to 2001, where mothers were not treated. The second dataset refers to the time until the failure of a type of electrical insulating fluid subjected to seven constant voltage levels
|
5 |
A distribuição generalizada de Pareto e mistura de distribuições de Gumbel no estudo da vazão e da velocidade máxima do vento em Piracicaba, SP / The generalized Pareto distribution and Gumbel mixture to study flow and maximum wind speed in Piracicaba, SPSilva, Renato Rodrigues 10 October 2008 (has links)
A teoria dos valores extremos é um tópico da probabilidade que descreve a distribuição assintótica das estatísticas de ordem, tais como máximos ou mínimos, de uma seqüência de variáveis aleatórias que seguem uma função de distribuição F normalmente desconhecida. Descreve, ainda, a distribuição assintótica dos excessos acima de um valor limiar de um ou mais termos dessa seqüência. Dessa forma, as metodologias padrões utilizada neste contexto consistem no ajuste da distribuição generalizada dos valores extremos a uma série de máximos anuais ou no ajuste da distribuição generalizada de Pareto a uma série de dados compostas somente de observações excedentes de um valor limiar. No entanto, segundo Coles et al. (2003), há uma crescente insatisfação com o desempenho destes modelos padrões para predição de eventos extremos causada, possivelmente, por pressuposições não atendidas como a de independência das observações ou pelo fato de que os mesmos não sejam recomendados para serem utilizados em algumas situações específicas como por exemplo e quando observações de máximos anuais compostas por duas ou mais populações independentes de eventos extremos sendo que a primeira descreve eventos menos freqüentes e de maior magnitude e a segunda descreve eventos mais freqüentes e de menor magnitude. Então, os dois artigos que compõem este trabalho tem como objetivo apresentar alternativas de análise de valores extremos para estas situações em que o ajuste dos modelos padrões não são adequados. No primeiro, foram ajustadas as distribuições generalizada de Pareto e exponencial, caso particular da GP, aos dados de vazão média diária do Posto de Artemis, Piracicaba, SP, Brasil, conjuntamente com a técnica do desagrupamento, (declustering), e comparadas as estimativas dos níveis de retorno para períodos de 5, 10, 50 e 100 anos. Conclui-se que as estimativas intervalares dos níveis de retorno obtidas por meio do ajuste da distribuição exponencial são mais precisas do que as obtidas com o ajuste da distribuição generalizada de Pareto. No segundo artigo, por sua vez, foi apresentada uma metodologia para o ajuste da distribuição de Gumbel e de misturas de duas distribuições de Gumbel aos dados de velocidades de ventos mensais de Piracicaba, SP. Selecionou-se a distribuição que melhor ajustou-se aos dados por meio de testes de hipóteses bootstrap paramétrico e critérios de seleção AIC e BIC. E concluiu-se que a mistura de duas distribuições de Gumbel é a distribuição que melhor se ajustou-se aos dados de velocidades máxima de ventos dos meses de abril e maio, enquanto que o ajuste da distribuição de Gumbel foi o melhor para os meses de agosto e setembro. / The extreme value theory is a probability topics that describes the asymtoptic distribution of order statistics such as maximum or minimum of random variables sequence that follow a distribution function F normaly unknown. Describes still, the excess asymtoptic distribution over threshold of this sequence. So, the standard methodologies of extremes values analysis are the fitting of generalized extreme value distribution to yearly maximum series or the fitting of generalized Pareto distribution to partial duration series. However, according to Coles et al. (2003), there is a growing dissatisfaction with the use this standard models for the prediction of extremes events and one of possible causes this fact may be a false assumptions about a sequence of observed data as a independence assumptions or because the standards models must not used in some specific situations like for example when maximum sample arise from two or more independents populations, where the first population describes more frequents and low intense events and the second population describes less frequents and more intense events. In this way, the two articles this work has a objective show alternatives about extreme values analysis for this situations that the standards models doesn´t recommended. In the first article, the generalized distribution Pareto and exponencial distribution, particular case of GP, together with to declustering methods was applied to mean daily flow of the Piracicaba river, Artemis station, Piracicaba, SP, and the estimates the return levels of 5, 10, 50 and 100 years were compared. We conclude that the interval estimates of the 50 and 100 year return levels obtained using the fitting the exponencial distribution are more precise than those obtained using the generalized Pareto distribution. In the second article, we propose the fit of Gumbel distribution and the Gumbel mixture to data maximum speed wind in Piracicaba, SP. We select the best model using bootstrap test of hypotheses and the AIC and BIC selection criteria We conclude that the mixture Gumbel is the best model to analyze the maximum wind speed data for months of april e may and otherside the fit of Gumbel distributions was the best fit to months of august e september.
|
6 |
Distribuições das classes Kumaraswamy generalizada e exponenciada: propriedades e aplicações / Distributions of the generalized Kumaraswamy and exponentiated classes: properties and applicationsBraga Junior, Antonio Carlos Ricardo 04 April 2013 (has links)
Recentemente, Cordeiro e de Castro (2011) apresentaram uma classe generalizada baseada na distribuição Kumaraswamy (Kw-G). Essa classe de distribuições modela as formas de risco crescente, decrescente, unimodal e forma de U ou de banheira. Uma importante distribuição pertencente a essa classe é a distribuição Kumaraswamy Weibull modificada (KwMW) proposta por Cordeiro; Ortega e Silva (2013). Com isso foi utilizada essa distribuição para o desenvolvimento de algumas novas propriedades e análise bayesiana. Além disso, foi desenvolvida uma nova distribuição de probabilidade a partir da distribuição gama generalizada geométrica (GGG) que foi denominada de gama generalizada geométrica exponenciada (GGGE). Para a nova distribuição GGGE foram calculados os momentos, a função geradora de momentos, os desvios médios, a confiabilidade e as estatísticas de ordem. Desenvolveu-se o modelo de regressão log-gama generalizada geométrica exponenciada. Para a estimação dos parâmetros, foram utilizados os métodos de máxima verossimilhança e bayesiano e, finalmente, para ilustrar a aplicação da nova distribuição foi analisado um conjunto de dados reais. / Recently, Cordeiro and de Castro (2011) showed a generalized class based on the Kumaraswamy distribution (Kw-G). This class of models has crescent risk forms, decrescent, unimodal and U or bathtub form. An important distribution belonging to this class the Kumaraswamy modified Weibull distribution (KwMW), proposed by Cordeiro; Ortega e Silva (2013). Thus this distribution was used to develop some new properties and bayesian analysis. Furthermore, we develop a new probability distribution from the generalized gamma geometric distribution (GGG) which it is called generalized gamma geometric exponentiated (GGGE) distribution. For the new distribution we calculate the moments, moment generating function, mean deviation, reliability and order statistics. We define a log-generalized gamma geometric exponentiated regression model. The methods used to estimate the model parameters are: maximum likelihood and bayesian. Finally, we illustrate the potentiality of the new distribution by means of an application to a real data set.
|
7 |
As distribuições Kumaraswamy-log-logística e Kumaraswamy-logística / Distributions Kumaraswamy-log-logistic and Kumaraswamy-logisticTiago Viana Flor de Santana 18 October 2010 (has links)
Neste trabalho apresenta-se duas novas distribuições de probabilidade obtidas de dois métodos de generalização da distribuição log-logística com dois parâmetros (LL(?,?)). O primeiro método descrito em Marshall e Olkin (1997) transforma a nova distribuição, agora com três parâmetros e denominada distribuição log-logística modificada (LLM (v,?,?)), mais flexível porém, não muda a forma geral da função de taxa de falha e o novo parâmetro v, não influência no cálculo da assimetria e curtose. O segundo método utiliza a classe de distribuições Kumaraswamy proposta por Cordeiro e Castro (2010), para construir a nova distribuição de probabilidade, denominada distribuição Kumaraswamy log-logística (Kw-LL(a,b,?,?)), a qual considera dois novos parâmetros a e b obtendo ganho nas formas da função de taxa de falha, que agora além de modelar dados onde a função de taxa de falha tem forma decrescente e unimodal, modela forma crescente e forma de U. Também foi proposto as distribuições logística modificada (LM (v,µ,?)) e Kumaraswamy logística (Kw-L (a,b, µ,?)$) para a variável Y=log(T), em que T ~ LLM (v,?,?) no caso da distribuição logística modificada e T ~ Kw-LL(a,b,?,?) no caso da distribuição Kw-L. Com reparametrização ? = exp(µ) e ? = 1/?. Da mesma forma que a distribuição LLM, não há ganho quanto a forma da função de taxa de falha da distribuição logística modificada e o parâmetro v não contribuiu para o cálculo da assimetria e curtose desta distribuição. O modelo de regressão locação e escala foi proposto para ambas as distribuições. Por fim, utilizou-se dois conjuntos de dados, para exemplificar o ganho das novas distribuições Kw-LL e Kw-L em relação as distribuições log-logística e logística. O primeiro conjunto refere-se a dados de tempo até a soro-reversão de 143 crianças expostas ao HIV por via vertical, nascidas no Hospital das Clínicas da Faculdade de Medicina de Ribeirão Preto no período de 1995 a 2001, onde as mães não foram tratadas. O segundo conjunto de dados refere-se ao tempo até a falha de um tipo de isolante elétrico fluido submetivo a sete níveis de voltagem constante. / In this work, are presented two new probability distributions, obtained from two generalization methods of the log-logistic distribution, with two parameters (LL (?, ?)). The first method described in Marshall e Olkin (1997) turns the new distribution, now with three parameters, called modified log-logistic distribution (LLM(v, ?, ?)). This distribution is more flexible, but, does not change the general shape of the failure rate function, as well as the new parameter v, does not influence the calculus of skewness and kurtosis. The second method, uses the class of distributions Kumaraswamy proposed by Cordeiro and Castro (2010). To build the new probability distribution, called Kumaraswamy log-logistic distribution (Kw-LL(a,b,?,?)), which considers two new parameters a and b gaining in the forms of failure rate function, that now, even modeling data where the failure rate function has decreasing and unimodal shape, models the increasing form and the U-shaped. Also, were proposed the distributions modified logistic (LM (v,µ,?)) and Kumaraswamy logistics (Kw-L (a,b,µ,?)) for the variable Y=log(T), where T ~ LLM(v,?,?) in the case of the modified logistic distribution and T ~ Kw-LL (a,b,?,?) in the case of Kw-L distribution, with reparametrization ? =exp(µ) and ? = 1/?. As in the distribution LLM, there is no gain for the shape of the failure rate function of modified logistic distribution and the parameter v does not contribute to the calculation of skewness and kurtosis of the distribution. The location and scale regression models were proposed for both distributions. As illustration, were used two datasets to exemplify the gain of the new distributions Kw-LL and Kw-L compared with the log-logistic and logistic distributions. The first dataset refers to the data of time until soro-reversion of 143 children exposed to HIV through vertical, born in the Hospital of the Medical School of Ribeirão Preto during the period 1995 to 2001, where mothers were not treated. The second dataset refers to the time until the failure of a type of electrical insulating fluid subjected to seven constant voltage levels
|
8 |
Distribuições das classes Kumaraswamy generalizada e exponenciada: propriedades e aplicações / Distributions of the generalized Kumaraswamy and exponentiated classes: properties and applicationsAntonio Carlos Ricardo Braga Junior 04 April 2013 (has links)
Recentemente, Cordeiro e de Castro (2011) apresentaram uma classe generalizada baseada na distribuição Kumaraswamy (Kw-G). Essa classe de distribuições modela as formas de risco crescente, decrescente, unimodal e forma de U ou de banheira. Uma importante distribuição pertencente a essa classe é a distribuição Kumaraswamy Weibull modificada (KwMW) proposta por Cordeiro; Ortega e Silva (2013). Com isso foi utilizada essa distribuição para o desenvolvimento de algumas novas propriedades e análise bayesiana. Além disso, foi desenvolvida uma nova distribuição de probabilidade a partir da distribuição gama generalizada geométrica (GGG) que foi denominada de gama generalizada geométrica exponenciada (GGGE). Para a nova distribuição GGGE foram calculados os momentos, a função geradora de momentos, os desvios médios, a confiabilidade e as estatísticas de ordem. Desenvolveu-se o modelo de regressão log-gama generalizada geométrica exponenciada. Para a estimação dos parâmetros, foram utilizados os métodos de máxima verossimilhança e bayesiano e, finalmente, para ilustrar a aplicação da nova distribuição foi analisado um conjunto de dados reais. / Recently, Cordeiro and de Castro (2011) showed a generalized class based on the Kumaraswamy distribution (Kw-G). This class of models has crescent risk forms, decrescent, unimodal and U or bathtub form. An important distribution belonging to this class the Kumaraswamy modified Weibull distribution (KwMW), proposed by Cordeiro; Ortega e Silva (2013). Thus this distribution was used to develop some new properties and bayesian analysis. Furthermore, we develop a new probability distribution from the generalized gamma geometric distribution (GGG) which it is called generalized gamma geometric exponentiated (GGGE) distribution. For the new distribution we calculate the moments, moment generating function, mean deviation, reliability and order statistics. We define a log-generalized gamma geometric exponentiated regression model. The methods used to estimate the model parameters are: maximum likelihood and bayesian. Finally, we illustrate the potentiality of the new distribution by means of an application to a real data set.
|
9 |
Distribuições em série de potências modificadas inflacionadas e distribuição Weibull binominal negativa / Inflated modified power serie distribution and Weibull negative binomialCristiane Rodrigues 03 June 2011 (has links)
Neste trabalho, alguns resultados, tais como, função geradora de momentos, relações de recorrência para os momentos e alguns teoremas da classe de distribuições em séries de potencias modificadas (MPSD) proposta por Gupta (1974) e da classe de distribuições em séries de potências modificadas inflacionadas (IMPSD) tanto em um ponto diferente de zero como no ponto zero são apresentados. Uma aplicação do Modelo Poisson padrão, do modelo binomial negativo padrão e dos modelos inflacionados de zeros para dados de contagem, ZIP e ZINB, utilizando-se as técnicas dos MLGs, foi realizada para dois conjuntos de dados reais juntamente com o gráfico normal de probabilidade com envelopes simulados. Também foi proposta a distribuição Weibull binomial negativa (WNB) que é bastante flexível em análise de dados positivos e foram estudadas algumas de suas propriedades matemáticas. Esta é uma importante alternativa para os modelos Weibull e Weibull geométrica, sub-modelos da WNB. A demostração de que a densidade da distribuição Weibull binomial negativa pode ser expressa como uma mistura de densidades Weibull é apresentada. Fornecem-se, também, seus momentos, função geradora de momentos, gráficos da assimetria e curtose, expressoes expl´citas para os desvios médios, curvas de Bonferroni e Lorenz, função quantílica, confiabilidade e entropia, a densidade da estat´stica de ordem e expressões explícita para os momentos da estatística de ordem. O método de máxima verossimilhança é usado para estimar os parametros do modelo. A matriz de informação esperada ´e derivada. A utilidade da distribuição WNB está ilustrada na an´alise de dois conjuntos de dados reais. / In this paper, some result such as moments generating function, recurrence relations for moments and some theorems of the class of modified power series distributions (MPSD) proposed by Gupta (1974) and of the class of inflated modified power series distributions (IMPSD) both at a different point of zero as the zero point are presented. The standard Poisson model, the standard negative binomial model and zero inflated models for count data, ZIP and ZINB, using the techniques of the GLMs, were used to analyse two real data sets together with the normal plot with simulated envelopes. The new distribution Weibull negative binomial (WNB) was proposed. Some mathematical properties of the WNB distribution which is quite flexible in analyzing positive data were studied. It is an important alternative model to the Weibull, and Weibull geometric distributions as they are sub-models of WNB. We demonstrate that the WNB density can be expressed as a mixture of Weibull densities. We provide their moments, moment generating function, plots of the skewness and kurtosis, explicit expressions for the mean deviations, Bonferroni and Lorenz curves, quantile function, reliability and entropy, the density of order statistics and explicit expressions for the moments of order statistics. The method of maximum likelihood is used for estimating the model parameters. The expected information matrix is derived. The usefulness of the new distribution is illustrated in two analysis of real data sets.
|
10 |
A distribuição generalizada de Pareto e mistura de distribuições de Gumbel no estudo da vazão e da velocidade máxima do vento em Piracicaba, SP / The generalized Pareto distribution and Gumbel mixture to study flow and maximum wind speed in Piracicaba, SPRenato Rodrigues Silva 10 October 2008 (has links)
A teoria dos valores extremos é um tópico da probabilidade que descreve a distribuição assintótica das estatísticas de ordem, tais como máximos ou mínimos, de uma seqüência de variáveis aleatórias que seguem uma função de distribuição F normalmente desconhecida. Descreve, ainda, a distribuição assintótica dos excessos acima de um valor limiar de um ou mais termos dessa seqüência. Dessa forma, as metodologias padrões utilizada neste contexto consistem no ajuste da distribuição generalizada dos valores extremos a uma série de máximos anuais ou no ajuste da distribuição generalizada de Pareto a uma série de dados compostas somente de observações excedentes de um valor limiar. No entanto, segundo Coles et al. (2003), há uma crescente insatisfação com o desempenho destes modelos padrões para predição de eventos extremos causada, possivelmente, por pressuposições não atendidas como a de independência das observações ou pelo fato de que os mesmos não sejam recomendados para serem utilizados em algumas situações específicas como por exemplo e quando observações de máximos anuais compostas por duas ou mais populações independentes de eventos extremos sendo que a primeira descreve eventos menos freqüentes e de maior magnitude e a segunda descreve eventos mais freqüentes e de menor magnitude. Então, os dois artigos que compõem este trabalho tem como objetivo apresentar alternativas de análise de valores extremos para estas situações em que o ajuste dos modelos padrões não são adequados. No primeiro, foram ajustadas as distribuições generalizada de Pareto e exponencial, caso particular da GP, aos dados de vazão média diária do Posto de Artemis, Piracicaba, SP, Brasil, conjuntamente com a técnica do desagrupamento, (declustering), e comparadas as estimativas dos níveis de retorno para períodos de 5, 10, 50 e 100 anos. Conclui-se que as estimativas intervalares dos níveis de retorno obtidas por meio do ajuste da distribuição exponencial são mais precisas do que as obtidas com o ajuste da distribuição generalizada de Pareto. No segundo artigo, por sua vez, foi apresentada uma metodologia para o ajuste da distribuição de Gumbel e de misturas de duas distribuições de Gumbel aos dados de velocidades de ventos mensais de Piracicaba, SP. Selecionou-se a distribuição que melhor ajustou-se aos dados por meio de testes de hipóteses bootstrap paramétrico e critérios de seleção AIC e BIC. E concluiu-se que a mistura de duas distribuições de Gumbel é a distribuição que melhor se ajustou-se aos dados de velocidades máxima de ventos dos meses de abril e maio, enquanto que o ajuste da distribuição de Gumbel foi o melhor para os meses de agosto e setembro. / The extreme value theory is a probability topics that describes the asymtoptic distribution of order statistics such as maximum or minimum of random variables sequence that follow a distribution function F normaly unknown. Describes still, the excess asymtoptic distribution over threshold of this sequence. So, the standard methodologies of extremes values analysis are the fitting of generalized extreme value distribution to yearly maximum series or the fitting of generalized Pareto distribution to partial duration series. However, according to Coles et al. (2003), there is a growing dissatisfaction with the use this standard models for the prediction of extremes events and one of possible causes this fact may be a false assumptions about a sequence of observed data as a independence assumptions or because the standards models must not used in some specific situations like for example when maximum sample arise from two or more independents populations, where the first population describes more frequents and low intense events and the second population describes less frequents and more intense events. In this way, the two articles this work has a objective show alternatives about extreme values analysis for this situations that the standards models doesn´t recommended. In the first article, the generalized distribution Pareto and exponencial distribution, particular case of GP, together with to declustering methods was applied to mean daily flow of the Piracicaba river, Artemis station, Piracicaba, SP, and the estimates the return levels of 5, 10, 50 and 100 years were compared. We conclude that the interval estimates of the 50 and 100 year return levels obtained using the fitting the exponencial distribution are more precise than those obtained using the generalized Pareto distribution. In the second article, we propose the fit of Gumbel distribution and the Gumbel mixture to data maximum speed wind in Piracicaba, SP. We select the best model using bootstrap test of hypotheses and the AIC and BIC selection criteria We conclude that the mixture Gumbel is the best model to analyze the maximum wind speed data for months of april e may and otherside the fit of Gumbel distributions was the best fit to months of august e september.
|
Page generated in 0.2951 seconds