Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufpe.br/handle/123456789/15165
Comparte esta pagina
Título : | Teste de razão de verossimilhanças Bootstrap e técnicas de diagnóstico em modelos em séries de potências não-lineares generalizados |
Autor : | FORERO, Sébastien Lozano |
Palabras clave : | Estatística matemática; Análise de regressão |
Fecha de publicación : | 25-jun-2015 |
Editorial : | UNIVERSIDADE FEDERAL DE PERNAMBUCO |
Resumen : | Os Modelos em Série de Potência não-Lineares Generalizados (MSPNLGs), introduzidos em Cordeiro et al. (2009), são apresentados como uma alternativa para a análise de regressão de dados de contagem, generalizando os modelos tradicionais, como o Consul, Poisson generalizada, binomial negativa generalizada, entre outros. Nesta dissertação, versões modificadas (via Bartlett (1937) e Rocke (1989)) das estatísticas da razão de verosimilhanças e razão de verossimilhanças bootstrap, respectivamente, são apresentadas para testes de hipóteses nesta classe de modelos. Simulações de Monte Carlo mostram que os testes baseados nas versões modificadas das estatísticas da razão de verossimilhanças e razão de verossimilhanças bootstrap exibem melhores desempenhos em amostras finitas, superando os testes originais (sem correção). Além disso, técnicas de diagnóstico são propostas para os MSPNLGs, a saber: resíduos, alavancagem generalizada, influência global, e influência local. Finalmente, um conjunto de dados reais é utilizando para avaliar as metodologias desenvolvidas tanto em técnicas de diagnóstico como em aperfeiçoamento de testes. |
URI : | https://repositorio.ufpe.br/handle/123456789/15165 |
Aparece en las colecciones: | Dissertações de Mestrado - Estatística |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
SébastienLozano_Mestrad.pdf | 835,6 kB | Adobe PDF | ![]() Visualizar/Abrir |
Este ítem está protegido por copyright original |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons