Return to search

Misturas de modelos de regressão linear com erros nas variáveis usando misturas de escala da normal assimétrica

Submitted by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-29T14:38:33Z
No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
VersaoFinal.pdf: 2882901 bytes, checksum: a35c6d27fe0f9aa61dfe3a96244b3140 (MD5) / Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central (ddbc@ufam.edu.br) on 2018-05-29T14:38:46Z (GMT) No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
VersaoFinal.pdf: 2882901 bytes, checksum: a35c6d27fe0f9aa61dfe3a96244b3140 (MD5) / Made available in DSpace on 2018-05-29T14:38:46Z (GMT). No. of bitstreams: 2
license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)
VersaoFinal.pdf: 2882901 bytes, checksum: a35c6d27fe0f9aa61dfe3a96244b3140 (MD5)
Previous issue date: 2018-03-12 / CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior / The traditional estimation of mixture regression models is based on the assumption
of normality of component errors and thus is sensitive to outliers, heavy-tailed and/or
asymmetric errors. Another drawback is that, in general, the analysis is restricted to
directly observed predictors.
We present a proposal to deal with these issues simultaneously in the context of
mixture regression by extending the classic normal model by assuming that, for each
mixture component, the random errors and the covariates jointly follow a scale mixture of
skew-normal distributions. It is also assumed that the covariates are observed with error.
An MCMC-type algorithm to perform Bayesian inference is developed and, in
order to show the efficacy of the proposed methods, simulated and real data sets are
analyzed. / A estimação tradicional em mistura de modelos de regressão é baseada na suposição
de normalidade para os erros aleatórios, sendo assim, sensível a outliers, caudas
pesadas e erros assimétricos. Outra desvantagem é que, em geral, a análise é restrita a
preditores que são observados diretamente.
Apresentamos uma proposta para lidar com estas questões simultaneamente no
contexto de mistura de regressões estendendo o modelo normal clássico. Assumimos
que, conjuntamente e em cada componente da mistura, os erros aleatórios e as covariáveis
seguem uma mistura de escala da distribuição normal assimétrica. Além disso, é feita a
suposição de que as covariáveis são observadas com erro aditivo.
Um algorítmo do tipo MCMC foi desenvolvido para realizar inferência Bayesiana.
A eficácia do modelo proposto é verificada via análises de dados simulados e reais.

Identiferoai:union.ndltd.org:IBICT/oai:http://localhost:tede/6417
Date12 March 2018
CreatorsMonteiro, Renata Evangelista, 92-99124-4468
Contributorsppgmufam@gmail.com, Cabral, Celso Rômulo Barbosa, Matos, Larissa Avila, Pereira, José Raimundo Gomes
PublisherUniversidade Federal do Amazonas, Programa de Pós-graduação em Matemática, UFAM, Brasil, Instituto de Ciências Exatas
Source SetsIBICT Brazilian ETDs
LanguagePortuguese
Detected LanguagePortuguese
Typeinfo:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis
Formatapplication/pdf
Sourcereponame:Biblioteca Digital de Teses e Dissertações da UFAM, instname:Universidade Federal do Amazonas, instacron:UFAM
Rightshttp://creativecommons.org/licenses/by-nc-nd/4.0/, info:eu-repo/semantics/openAccess
Relation-8156311678363143599, 500

Page generated in 0.0024 seconds