Submitted by (ana.araujo@ufrpe.br) on 2016-05-19T14:39:16Z
No. of bitstreams: 1
Alessandro Henrique da Silva Santos.pdf: 536044 bytes, checksum: 011926984df2097b6901e78e8a50d28e (MD5) / Made available in DSpace on 2016-05-19T14:39:16Z (GMT). No. of bitstreams: 1
Alessandro Henrique da Silva Santos.pdf: 536044 bytes, checksum: 011926984df2097b6901e78e8a50d28e (MD5)
Previous issue date: 2009-02-27 / The exponential family nonlinear models are an extension of the generalized models, opening various options for the distribution of the variable answer and allowing larger flexibility for the connection between the average and the systematic component. These models, for being less restrictive, having been used to model several phenomena in the nature. To estimate the parameters of these models, several procedures are proposed. Usually, the method of maximum likelihood, that has asymptotic properties of order n-1, where n is the size of the sample, it is the used. In this work we will make a general approach to the no-linear models of the exponential family. The theory of the exponential family will be introduced presenting the function of density of probability, function cumulantes geratriz, likelihood function, likelihood ratio and deviation of the model; such presented results will facilitate and/or they will be necessary in the understanding of what will be done for the nonlinear models of the exponential family. The exponential family nonlinear models will be defined by presenting the suppositions of the model, its likelihood function and the algorithm for the estimate of the parameters. We will make the approach of the diagnosis analysis and of influence of the exponential family nonlinear models. Finally, we will present some applications and we will show the efficiency and importance in the use of this class, once several phenomena present nonlinear behavior. / Os modelos não-lineares da família exponencial são uma extensão dos modelos generalizados, abrindo um leque de opções para a distribuição da variável resposta e permitindo maior flexibilidade para a ligação entre a média e a componente sistemática. Estes modelos, por serem menos restritivos, têm sido utilizados para modelar diversos fenômenos na natureza. Para estimar os parâmetros destes modelos, vários procedimentos são propostos. Usualmente, o método de máxima verossimilhança, que tem propriedades assintóticas de ordem n-1, onde n é o tamanho da amostra, é o mais utilizado. Neste trabalho faremos uma abordagem geral dos modelos não-lineares da família exponencial. Será introduzida a teoria da família exponencial sendo apresentada a função de densidade de probabilidade, função geratriz de cumulantes, função de verossimilhança, razão de verossimilhança e desvio do modelo; tais resultados apresentados facilitarão e/ou serão necessários na compreensão do que será feito para os modelos não-lineares da família exponencial. Será definido o modelo não-linear da família exponencial sendo apresentadas as suposições do modelo, sua função de verossimilhança e algoritmo da estimação dos parâmetros. Faremos a abordagem da análise de diagnóstico e de influência dos modelos não-lineares da família exponencial. Por fim, faremos aplicações e mostraremos a eficiência e importância na utilização desta classe, uma vez que diversos fenômenos apresentam comportamento não-linear.
Identifer | oai:union.ndltd.org:IBICT/oai:tede2:tede2/4462 |
Date | 27 February 2009 |
Creators | SANTOS, Alessandro Henrique da Silva |
Contributors | SANTOS, Eufrázio de Souza, CORDEIRO, Gauss Moutinho, SANTOS, Laélia Pumilla Botêlho Campos dos, MARINO, Jacira Guiro, LIMA NETO, Eufrásio de Andrade |
Publisher | Universidade Federal Rural de Pernambuco, Programa de Pós-Graduação em Biometria e Estatística Aplicada, UFRPE, Brasil, Departamento de Estatística e Informática |
Source Sets | IBICT Brazilian ETDs |
Language | Portuguese |
Detected Language | English |
Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
Format | application/pdf |
Source | reponame:Biblioteca Digital de Teses e Dissertações da UFRPE, instname:Universidade Federal Rural de Pernambuco, instacron:UFRPE |
Rights | info:eu-repo/semantics/openAccess |
Relation | 768382242446187918, 600, 600, 600, -6774555140396120501, -5836407828185143517 |
Page generated in 0.0018 seconds