Student Number : 9708525G - PhD thesis - School of Mathematics - Faculty of Science / Sequences of numbers have important applications in the field of Computer Science. As a result they have become increasingly regarded in Mathematics, since analysis can be instrumental in investigating algorithms. Three concepts are discussed in this thesis, all of which are concerned with ‘words’ or ‘sequences’ of natural numbers where repeated letters are allowed: • The number of distinct values in a sequence with geometric distri- bution In Part I, a sample which is geometrically distributed is considered, with the objective of counting how many different letters occur at least once in the sample. It is concluded that the number of distinct letters grows like log n as n → ∞. This is then generalised to the question of how many letters occur at least b times in a word. • The position of the maximum (and/or minimum) in a sequence with geometric distribution Part II involves many variations on the central theme which addresses the question: “What is the probability that the maximum in a geometrically distributed sample occurs in the first d letters of a word of length n?” (assuming d ≤ n). Initially, d is considered fixed, but in later chapters d is allowed to grow with n. It is found that for 1 ≤ d = o(n), the results are the same as when d is fixed. • The average depth of a key in a binary search tree formed from a sequence with repeated entries Lastly, in Part III, random sequences are examined where repeated letters are allowed. First, the average left-going depth of the first one is found, and later the right-going path to the first r if the alphabet is {1, . . . , r} is examined. The final chapter uses a merge (or ‘shuffle’) operator to obtain the average depth of an arbitrary node, which can be expressed in terms of the left-going and right-going depths.

It is known that record values and order statistics are closely related. When record values and order statistics are viewed as point processes, the two processes both share the order statistics property. The results of Beg and Balasubramanian(1990), Wu and Ouyang(1996), and Huang and Su(1999) about record values and order statistics motivated us to investigate more general results of characterization for order statistics point processes by using conditional expectations based on order statistics. On the other hand, in the class of point processes, there are a lot of characterizations of homogeneous Poisson processes based on the memoryless property of exponential distribution. The result of Asadi(1999) about characterization of the Gumble bivariate exponential or the bivariate geometric distribution inspired us be interested in investigating some similar results about non-independent bivarite homogeneous Poisson processes.

In this thesis we present some related problems about the renewal processes. More precisely, let $gamma_{t}$ be the residual life at time $t$ of the renewal process $A={A(t),t geq 0}$, $F$ be the common distribution function of the inter-arrival times. Under suitable conditions, we prove that if $Var(gamma_{t})=E^2(gamma_{t})-E(gamma_{t}),forall t=0,1 ho,2 ho,3 ho,... $, then $F$ will be geometrically distributed under the assumption $F$ is discrete. We also discuss the tails of random sums for the renewal process. We prove that the $k$ power of random sum is always new worse than used ($NWU$).

No presente trabalho são propostos dois modelos para dados censurados baseados na mistura da distribuição geométrica e na distribuição Burr XII considerando duas ativações latentes, máximo e mínimo. A distribuição Burr XII tem três parâmetros e é uma generalização da distribuição log-logística. Por sua vez a distribuição Burr XII Geométrica tipo I e tipo II tem quatro parâmetros e são generalizações da distribuição Burr XII relacionados as ativações latentes do mínimo e máximo respectivamente. Foram apresentadas algumas propriedades das duas novas distribuições tais como momentos, assimetria, curtose, função geradora de momentos e desvio médio. Além disso, foi intriduzido os modelos de regressão correspondentes, log Burr XII Geométrica tipo I e log Burr XII Geométrica tipo II. Adicionalmente foi desenvolvido um modelo de sobrevivência com fração de cura assumindo que o número de causas competitivas do evento de interesse segue a distribuição geométrica e o tempo do evento segue a distribuição Burr XII. Para todos os modelos desenvolvidos foi utilizado o método da máxima verossimilhança para estimar os parâmetros, que possibilita a construção de intervalos de confiança e testes de hipóteses. Por fim, são apresentadas três aplicações para ilustrar os modelos propostos. / In this paper are proposed two models for censored data based on the mixture of geometric distribution and Burr XII distribution considering two latent activations, maximum and minimum. The Burr XII distribution has three parameters and is a generalization of the log-logistic distribution. On the other hand Burr XII Geometric type I distribution and type II has four parameters and are a generalization of the Burr XII distribution related to minimum and maximum activations respectively. It were presented some properties of the news distributions such as moments, skewness, kurtosis, moment generating function and mean deviation. Furthermore, it was introduced two regression models, the log Burr XII Geometric type I and the log Burr XII Geometric type II. Additionally a new cure rate survival was formulated by assuming that the number of competing causes of the event of interest has the geometric distribution and the time to this event follows Burr XII distribution. For all models was developed the maximum likelihood method to estimate the parameters, which allows the construction of confidence intervals and hypothesis testing. Finally, three applications are presented to illustrate the proposed models.

Neste trabalho é proposta uma nova distribuição de quatro parâmetros denominada distribuição log-logística exponenciada geométrica, baseada em um mecanismo de dupla ativação para modelar dados de tempo de vida. Para esta nova distribuição, foi realizado um estudo da função de densidade de probabilidade, da função de distribuição acumulada, da função de sobrevivência e da função de taxa de falha, a qual apresenta formas que podem modelar dados de tempo de vida, tais como: forma crescente, decrescente, unimodal, bimodal e forma de U. Obteve-se expansões da função de densidade, expressões para os momentos de probabilidade ponderada, função geradora de momentos, desvios médios e as curvas de Bonferroni e de Lorenz. Considerando dados censurados, foi utilizado o método de máxima verossimilhança para estimação dos parâmetros. Analogamente também é proposto um modelo de regressão baseado no logaritmo da distribuição log-logística exponenciada geométrica com dupla ativação, que é uma extensão dos modelos de regressão logística exponenciada e logística. Este modelo pode ser usado na análise de dados reais, por fornecer um melhor ajuste que os modelos de regressão particulares, logística exponenciada e logística. Finalmente, são apresentados duas aplicações para ilustrar a utilização da nova distribuição. / In this work, we propose a new distribution with four parameters the so called exponentiated log-logistic geometric distribution based on a double mechanism of activation for modeling lifetime data. For this new distribution, we study the density function, cumulative distribution, survival function and the failure rate function which allows major harzad rates: increasing, decreasing, bathtub, unimodal and bimodal failure rates. We also obtain the density function expansions and the expressions for the probability-weighted moments, moment generating function, mean deviation and Bonferroni and Lorenz curves. Considering censored data, we use the maximum likelihood method for estimating the parameters. Similarly, we also propose the regression model based on the logarithm of the exponentiated log-logistic geometric distribution with double activation, which is an extension of the exponential logistic and logistic regression models. This new model could be widely used in the analysis of real data to provide a better fit than exponetial logistic and logistic regression models. Finally, two applications are presented to illustrate the application of the new distribution.

Com o avanço tecnológico aprimorado, diferentes comportamentos do tempo de vida vem sendo estudados, e com isso é necessário a criação de novos modelos, muitas vezes mais complexos, para melhor ajuste e inferência sobre a população em estudo. A distribuição beta semi-normal generalizada é útil para modelagem de tempos de vida, e com isso propomos neste trabalho uma distribuição mais ampla chamada distribuição beta semi-normal generalizada geométrica, cuja função de risco pode assumir as formas crescente, decrescente, forma de banheira ou modal. A função densidade da nova distribuição é escrita como uma combinação linear da função densidade da distribuição beta semi-normal generalizada, sendo assim, algumas importantes propriedades da nova distribuição foram obtidas, como: momentos, assimetria, curtose, função geradora de momentos, desvios médios, função quantíl e curvas de Lorenz e de Bonferroni. Para a estimação dos parâmetros, é utilizado o método de máxima verossimilhança. Também foi proposto no trabalho, o novo modelo de regressão baseado na distribuição beta semi-normal generalizada geométrica, os quais podem ser muito úteis em análise de dados reais por serem mais flexíveis. / Due to the technological improved advances, different behaviors of the lifetime has been studied and for this reason, it is necessary to create new statistical models, many times more complex, for the better fit and inferences about the population under study. The beta generalized half-normal distribution is useful for modeling lifetime data, and in this sense, we propose, in this work, a wider distribution called the geometric beta generalized half-normal distribution in which the hazard function takes the forms increasing, decreasing, bathtub and unimodal. The density function of the new distribution can be written as a linear combination of the beta generalized half-normal densities, and thereby, some properties of the new distribution can be obtained such as the moments, skewness, kurtosis, moment generating function, mean deviations, quantile function and Lorenz and Bonferroni curves. For the estimation of the parameters, we use the maximum likelihood method considering the presence of censored data. We also propose a new regression model based on the geometric beta generalized half-normal distribution, which can be very useful in the analysis of real data due to their flexibility.

Neste trabalho propomos a distribuição geométrica de ordem k correlacionada, k ≥ 1, de parâmetros π e ρ π ∈ (0;1), max{-1, -1-π / π } ≤ ρ < 1, como uma extensão da generalização da distribuição geométrica proposta por Philippou e Muwafi (1980) e utilizando as idéias de Kolev, Minkova e Neytchev (2000) para generalizações de distribuições discretas provenientes de sequências de variáveis binárias. Sendo assim, é também uma releitura da distribuição geométrica de ordem k apresentada por Aki e Hirano (1993). Algumas propriedades da distribuição são demonstradas. Modelos de regressão foram desenvolvidos por ambos os métodos de estimação, clássico e bayesiano. Estudos de dados simulados mostram o comportamento das distribuições e algumas propriedades dos estimadores. A principal motivação em propor este modelo, além de contribuir para generalizações de distribuições discretas, é ter uma alternativa ainda mais adequada para análise de dados reais, pois considera-se o efeito da correlação individual existente pelo parâmetro ρ. Os ajustes dos modelos foram avaliados e análise de resíduos e de diagnóstico de influência ou divergência também é apresentada. / In this work we propose the correlated geometric distribution of order k, k ≥ 1, with parameters π e ρ π ∈ (0;1), max{-1, -1-π / π } ≤ ρ < 1, as an extension of the generalized geometric distribution proposed by Philippou e Muwafi (1980) and considering the ideas of Kolev, Minkova e Neytchev (2000) for generalizations of discrete distributions by including an additional parameter ρ. Thus, it is also a re-reading of the geometric distribution of order k by Aki e Hirano (1993). Some properties of the proposed distribution are presented. Regression models are developed using classical and Bayesian estimation methods. Simulated data studies show the behavior of the distributions and some properties of the estimators. The main motivation in this research, besides contribute to generalizations of discrete distributions, is to propose an alternative analysis and even more suitable for real data, since the effect of the individual correlation is taken into account through the existence of the parameter. The fitted models are evaluated and the residual analysis and diagnosis of influence or divergence are also presented.

Com o avanço tecnológico aprimorado, diferentes comportamentos do tempo de vida vem sendo estudados, e com isso é necessário a criação de novos modelos, muitas vezes mais complexos, para melhor ajuste e inferência sobre a população em estudo. A distribuição beta semi-normal generalizada é útil para modelagem de tempos de vida, e com isso propomos neste trabalho uma distribuição mais ampla chamada distribuição beta semi-normal generalizada geométrica, cuja função de risco pode assumir as formas crescente, decrescente, forma de banheira ou modal. A função densidade da nova distribuição é escrita como uma combinação linear da função densidade da distribuição beta semi-normal generalizada, sendo assim, algumas importantes propriedades da nova distribuição foram obtidas, como: momentos, assimetria, curtose, função geradora de momentos, desvios médios, função quantíl e curvas de Lorenz e de Bonferroni. Para a estimação dos parâmetros, é utilizado o método de máxima verossimilhança. Também foi proposto no trabalho, o novo modelo de regressão baseado na distribuição beta semi-normal generalizada geométrica, os quais podem ser muito úteis em análise de dados reais por serem mais flexíveis. / Due to the technological improved advances, different behaviors of the lifetime has been studied and for this reason, it is necessary to create new statistical models, many times more complex, for the better fit and inferences about the population under study. The beta generalized half-normal distribution is useful for modeling lifetime data, and in this sense, we propose, in this work, a wider distribution called the geometric beta generalized half-normal distribution in which the hazard function takes the forms increasing, decreasing, bathtub and unimodal. The density function of the new distribution can be written as a linear combination of the beta generalized half-normal densities, and thereby, some properties of the new distribution can be obtained such as the moments, skewness, kurtosis, moment generating function, mean deviations, quantile function and Lorenz and Bonferroni curves. For the estimation of the parameters, we use the maximum likelihood method considering the presence of censored data. We also propose a new regression model based on the geometric beta generalized half-normal distribution, which can be very useful in the analysis of real data due to their flexibility.

No presente trabalho são propostos dois modelos para dados censurados baseados na mistura da distribuição geométrica e na distribuição Burr XII considerando duas ativações latentes, máximo e mínimo. A distribuição Burr XII tem três parâmetros e é uma generalização da distribuição log-logística. Por sua vez a distribuição Burr XII Geométrica tipo I e tipo II tem quatro parâmetros e são generalizações da distribuição Burr XII relacionados as ativações latentes do mínimo e máximo respectivamente. Foram apresentadas algumas propriedades das duas novas distribuições tais como momentos, assimetria, curtose, função geradora de momentos e desvio médio. Além disso, foi intriduzido os modelos de regressão correspondentes, log Burr XII Geométrica tipo I e log Burr XII Geométrica tipo II. Adicionalmente foi desenvolvido um modelo de sobrevivência com fração de cura assumindo que o número de causas competitivas do evento de interesse segue a distribuição geométrica e o tempo do evento segue a distribuição Burr XII. Para todos os modelos desenvolvidos foi utilizado o método da máxima verossimilhança para estimar os parâmetros, que possibilita a construção de intervalos de confiança e testes de hipóteses. Por fim, são apresentadas três aplicações para ilustrar os modelos propostos. / In this paper are proposed two models for censored data based on the mixture of geometric distribution and Burr XII distribution considering two latent activations, maximum and minimum. The Burr XII distribution has three parameters and is a generalization of the log-logistic distribution. On the other hand Burr XII Geometric type I distribution and type II has four parameters and are a generalization of the Burr XII distribution related to minimum and maximum activations respectively. It were presented some properties of the news distributions such as moments, skewness, kurtosis, moment generating function and mean deviation. Furthermore, it was introduced two regression models, the log Burr XII Geometric type I and the log Burr XII Geometric type II. Additionally a new cure rate survival was formulated by assuming that the number of competing causes of the event of interest has the geometric distribution and the time to this event follows Burr XII distribution. For all models was developed the maximum likelihood method to estimate the parameters, which allows the construction of confidence intervals and hypothesis testing. Finally, three applications are presented to illustrate the proposed models.

Neste trabalho é proposta uma nova distribuição de quatro parâmetros denominada distribuição log-logística exponenciada geométrica, baseada em um mecanismo de dupla ativação para modelar dados de tempo de vida. Para esta nova distribuição, foi realizado um estudo da função de densidade de probabilidade, da função de distribuição acumulada, da função de sobrevivência e da função de taxa de falha, a qual apresenta formas que podem modelar dados de tempo de vida, tais como: forma crescente, decrescente, unimodal, bimodal e forma de U. Obteve-se expansões da função de densidade, expressões para os momentos de probabilidade ponderada, função geradora de momentos, desvios médios e as curvas de Bonferroni e de Lorenz. Considerando dados censurados, foi utilizado o método de máxima verossimilhança para estimação dos parâmetros. Analogamente também é proposto um modelo de regressão baseado no logaritmo da distribuição log-logística exponenciada geométrica com dupla ativação, que é uma extensão dos modelos de regressão logística exponenciada e logística. Este modelo pode ser usado na análise de dados reais, por fornecer um melhor ajuste que os modelos de regressão particulares, logística exponenciada e logística. Finalmente, são apresentados duas aplicações para ilustrar a utilização da nova distribuição. / In this work, we propose a new distribution with four parameters the so called exponentiated log-logistic geometric distribution based on a double mechanism of activation for modeling lifetime data. For this new distribution, we study the density function, cumulative distribution, survival function and the failure rate function which allows major harzad rates: increasing, decreasing, bathtub, unimodal and bimodal failure rates. We also obtain the density function expansions and the expressions for the probability-weighted moments, moment generating function, mean deviation and Bonferroni and Lorenz curves. Considering censored data, we use the maximum likelihood method for estimating the parameters. Similarly, we also propose the regression model based on the logarithm of the exponentiated log-logistic geometric distribution with double activation, which is an extension of the exponential logistic and logistic regression models. This new model could be widely used in the analysis of real data to provide a better fit than exponetial logistic and logistic regression models. Finally, two applications are presented to illustrate the application of the new distribution.