Submitted by Isaac Francisco de Souza Dias (isaac.souzadias@ufpe.br) on 2016-07-08T18:52:48Z
No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
dissertacao_final_branco.pdf: 2067159 bytes, checksum: 55486dfa00398f45d021d144db2756a2 (MD5) / Made available in DSpace on 2016-07-08T18:52:48Z (GMT). No. of bitstreams: 2
license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5)
dissertacao_final_branco.pdf: 2067159 bytes, checksum: 55486dfa00398f45d021d144db2756a2 (MD5)
Previous issue date: 2016-02-12 / CAPES / O estudo de dados contínuos no intervalo (0; 1) vem crescendo bastante nesses últimos
anos. Na literatura destaca-se o modelo de regressão beta, proposto por Ferrari e Cribari-
Neto (2004), como um dos principais modelos para analisar esses tipos dados. No entanto,
para situações em que o ajuste do modelo beta não se torna adequado, surge uma contraproposta,
o uso do modelo de regressão simplex, apresentado por Song e Tan (2000), que
consiste em supor que a variável resposta possui uma distribuição simplex. Essa distribui
ção é derivada da distribuição Gaussiana inversa generalizada, e foi desenvolvida por
Barndor -Nielsen e Jørgensen (1991), sendo bastante estudada por Song e Tan (2000) e
Song et al. (2004), que apresentaram várias propriedades importantes dessa distribuição.
Entretanto, é possível haver casos em que o ajuste do modelo simplex também não seja
adequado, sendo assim, esse trabalho consiste em desenvolver um teste de diagnóstico
proposto, originalmente, por Zhu e Zhang (2004) para esse modelo. A construção do
teste é baseado no método de in uência local. Por meio de simulações de Monte Carlo
avaliamos o desempenho do teste, observando o tamanho e o poder em diversas situações.
Trabalhamos com os quantis empíricos da distribuição da estatística de teste, obtidos
via método bootstrap paramétrico. Finalmente, realizamos algumas aplicações do teste,
com dados reais e comparamos os resultados obtidos usando esse teste com os resultados
segundo outros métodos de diagnóstico, bastante conhecidos na literatura. / The study of continuous data in interval (0,1) has grown much in recent years, in literature
stands out the beta regression model, proposed by Ferrari and Cribari-Neto (2004), as one
of the models to analyze these data. The simplex regression model proposed by Song and
Tang (2000) based on simplex distribution is another option to modelling data on unit
interval. This distribution was developed by Barndor -Nielsen and Jørgensen (1991) and
was derived from the generalized inverse Gaussian distribution. Song and Tang (2000)
and Song et al. (2004) presented several important properties of this distribution. This
work consist in develop a diagnostic test originally proposed by Zhu and Zhang (2004) for
this model. The construction of the test is based on the local in uence method (Cook,
1986). We also propose a new test, based on bootstrap empirical distribution of the
original test statistic. The tests performance were evaluated based on size and/or power.
Finally, were performed some applications using real data and the results of bootstrap
test were compared with results obtained by other diagnostic methods well known in the
literature.
| Identifer | oai:union.ndltd.org:IBICT/oai:repositorio.ufpe.br:123456789/17305 |
| Date | 12 February 2016 |
| Creators | SILVA, Fernanda Clotilde da |
| Contributors | OSPINA, Patrícia Leone Espinheiro, SILVA, Michelli Karinne Barros da |
| Publisher | Universidade Federal de Pernambuco, Programa de Pos Graduacao em Estatistica, UFPE, Brasil |
| Source Sets | IBICT Brazilian ETDs |
| Language | Portuguese |
| Detected Language | Portuguese |
| Type | info:eu-repo/semantics/publishedVersion, info:eu-repo/semantics/masterThesis |
| Source | reponame:Repositório Institucional da UFPE, instname:Universidade Federal de Pernambuco, instacron:UFPE |
| Rights | Attribution-NonCommercial-NoDerivs 3.0 Brazil, http://creativecommons.org/licenses/by-nc-nd/3.0/br/, info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds