Return to search

Estimação via EM e diagnóstico em modelos misturas assimétricas com regressão

Submitted by Geandra Rodrigues (geandrar@gmail.com) on 2018-04-10T15:11:39Z
No. of bitstreams: 1
gracilianomarciosantoslouredo.pdf: 1813142 bytes, checksum: b79d02006212c4f63d6836c9a417d4bc (MD5) / Approved for entry into archive by Adriana Oliveira (adriana.oliveira@ufjf.edu.br) on 2018-04-11T15:25:36Z (GMT) No. of bitstreams: 1
gracilianomarciosantoslouredo.pdf: 1813142 bytes, checksum: b79d02006212c4f63d6836c9a417d4bc (MD5) / Made available in DSpace on 2018-04-11T15:25:36Z (GMT). No. of bitstreams: 1
gracilianomarciosantoslouredo.pdf: 1813142 bytes, checksum: b79d02006212c4f63d6836c9a417d4bc (MD5)
Previous issue date: 2018-02-26 / FAPEMIG - Fundação de Amparo à Pesquisa do Estado de Minas Gerais / O objetivo deste trabalho é apresentar algumas contribuições para a melhoria
do processo de estimação por máxima verossimilhança via algoritmo EM em
modelos misturas assimétricas com regressão, além de realizar neles a análise de
influência local e global. Essas contribuições, em geral de natureza computacional,
visam à resolução de problemas comuns na modelagem estatística de maneira
mais eficiente. Dentre elas está a substituição de métodos utilizados nas versões
dos algoritmos GEM por outras que reduzem o problema aproximadamente a um
algoritmo EM clássico nos principais exemplos das distribuições misturas de escala
assimétricas de normais. Após a execução do processo de estimação, discutiremos
ainda as principais técnicas existentes para o diagnóstico de pontos influentes com
as adaptações necessárias aos modelos em foco. Desejamos com tal abordagem
acrescentar ao tratamento dessa classe de modelos estatísticos a análise de regressão nas distribuições mais recentes na literatura. Também esperamos abrir caminho para o uso de técnicas similares em outras classes de modelos. / The objective of this work is to present some contributions to improvement the
process of maximum likelihood estimation via the EM algorithm in skew mixtures
models with regression, as well as to execute in them the global and local influence
analysis. These contributions, usually with computational nature, aim to solving
common problems in statistical modeling more efficiently. Among them is the
replacement of used methods in the versions of the GEM algorithm by other
techniques that reduce the problem approximately to a classic EM algorithm in the
main examples of skew scale mixtures of normals distributions. After performing
the estimation process, we will also discuss the main existing techniques for the
diagnosis of influential points with the necessaries adaptations to the models in
focus. We wish with this approach to add for the treatment of this statistical model
class the regression analysis in the most recent distributions in the literature. We
too hope to paving the way for use of similar techniques in other models classes.

Identiferoai:union.ndltd.org:IBICT/oai:hermes.cpd.ufjf.br:ufjf/6662
Date26 February 2018
CreatorsLouredo, Graciliano Márcio Santos
ContributorsZeller, Camila Borelli, Ferreira, Clécio da Silva, Takahashi, Lucy Tiemi, Labra, Filidor Edilfonso Vilca
PublisherUniversidade Federal de Juiz de Fora (UFJF), Mestrado Acadêmico em Matemática, UFJF, Brasil, ICE – Instituto de Ciências Exatas
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguageEnglish
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Sourcereponame:Repositório Institucional da UFJF, instname:Universidade Federal de Juiz de Fora, instacron:UFJF
Rightsinfo:eu-repo/semantics/openAccess

Page generated in 0.0024 seconds