Modelos robustos com distribuições de mistura de escala Skew-normal

• Processo: 08/11455-0
• Modalidade de apoio: Auxílio à Pesquisa - Regular
• Vigência: 01 de junho de 2009 - 31 de maio de 2011
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Víctor Hugo Lachos Dávila
• Beneficiário: Víctor Hugo Lachos Dávila
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Assunto(s): Inferência estatística Inferência bayesiana
• Palavra(s)-Chave do Pesquisador: Heavy-tailed | Mcmc | Scale Mixtures of Skew-Normal Distributions | Skewness | Estatística

Resumo

Assumir que as observações seguem uma distribuição normal, é uma rotineira suposição em modelos lineares. No entanto, esta suposição pode ser não realista ocultando importantes características da variação que está presente nos dados. Assim, é conveniente considerar famílias paramétricas de distribuições que sejam flexíveis para capturar uma ampla variedade de comportamentos simétrico e assimétrico, que incluam as distribuições simétricas (normal, t de Student, slash, normal contaminada) como casos especiais e produzam estimação robusta no modelo considerado. A classe de distribuições de misturas de escala skew-normal (SMSN) (Branco and Dey, 2001; Lachos, Ghosh e Arellano-Valle, 2008; Lachos, Vilca, Bolfarine e Ghosh, 2008) é interessante porque inclui as versões simétrica e assimetrica das distribuições, t de Student, Slash, normal contaminada e exponencial potência, todas elas com caudas mais pesadas que a distribuição normal, produzindo estimação no modelo considerado. O objetivo deste projeto é apresentar um estudo de inferência Clássica e Bayesiana nos modelos de regressão linear sob distribuições que são mais robustas que a distribuição normal e skew-normal. Isto é sob a classe das distribuições simétricas (misturas de escala normal, SMN) e assimétricas (SMSN). Além disso, apresentar um estudo de diagnóstico, baseadas no método de influência local proposto por Zhu e Lee (2001). Para o processo de estimação de máxima verossimilhança (EMV), vamos usar oalgoritmo-EM (os objetivos específicos estão descritos na Seção 5). As propostas deste projeto visam contribuir positivamente para o desenvolvimento na área de pesquisa estatística, aportando novos resultados em modelos de interesse prático e estendendo alguns resultados encontrados, por exemplo, em Strandén and Gianola (1999); Pinheiro et al. (2001) ; Rosa, Padovani e Gianola (2003); Arellano-Valle, Bolfarine e Lachos (2005); Osorio (2006); Cysneiros, Paula e Galea--Rojas (2007); Arellano-valle, Bolfarine e Lachos (2007), Montenegro, Bolfarine and Lachos (2008), Montengro, Lachos e Bolfarine (2008), Lachos, Ghosh and Arellano--Valle, (2008), Osorio, Paula e Galea (2008), entre muitos outros. (AU)

Publicações científicas

(Referências obtidas automaticamente do Web of Science e do SciELO, por meio da informação sobre o financiamento pela FAPESP e o número do processo correspondente, incluída na publicação pelos autores)

LACHOS, VICTOR H.; CABRAL, CELSO R. B.; ABANTO-VALLE, CARLOS A.. A non-iterative sampling Bayesian method for linear mixed models with normal independent distributions. Journal of Applied Statistics, v. 39, n. 3, p. 531-549, 2012. (08/11455-0)

BARBOSA CABRAL, CELSO ROMULO; LACHOS, VICTOR HUGO; PRATES, MARCOS O.. Multivariate mixture modeling using skew-normal independent distributions. COMPUTATIONAL STATISTICS & DATA ANALYSIS, v. 56, n. 1, p. 126-142, JAN 1 2012. (08/11455-0, 11/01437-8)

ZELLER, CAMILA B.; LABRA, FILIDOR V.; LACHOS, VICTOR H.; BALAKRISHNAN, N.. Influence analyses of skew-normal/independent linear mixed models. COMPUTATIONAL STATISTICS & DATA ANALYSIS, v. 54, n. 5, p. 1266-1280, MAY 1 2010. (08/11455-0)