Gauss moutinho cordeiro | Univ federal pernambuco/ufpe - Brasil

• Processo: 07/05793-8
• Modalidade de apoio: Auxílio à Pesquisa - Pesquisador Visitante - Brasil
• Data de Início da vigência: 14 de janeiro de 2008
• Data de Término da vigência: 12 de fevereiro de 2008
• Área do conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Marinho Gomes de Andrade Filho
• Beneficiário: Marinho Gomes de Andrade Filho
• Pesquisador visitante: Gauss Moutinho Cordeiro
• Instituição do Pesquisador Visitante: Universidade Federal de Pernambuco (UFPE), Brasil
• Instituição Sede: Instituto de Ciências Matemáticas e de Computação (ICMC). Universidade de São Paulo (USP). São Carlos , SP, Brasil
• Palavra(s)-Chave do Pesquisador: Modelos Simetricos | Modelos Tgarma | Transformacao De Box-Cox | Inferencia Estatsitica

Resumo

Introduzimos neste projeto uma classe nova de modelos lineares generalizados simétricos transformados para estender os modelos de Box e Cox (1964) para os modelos simétricos mais gerais. Esta nova classe de modelos inclui distribuições contínuas simétricas tais como a Normal, t-Studant, Potência exponencial, Logísticas I e II e os modelos Normais contaminados e permite o ajuste de uma ampla variedade de modelos para vários tipos de dados. A variedade de distribuições para a variável resposta com diferentes coeficientes de kurtosi pode dar mais flexibilidade na escolha de uma distribuição apropriada, particularmente para acomodar observações extremas e influentes.Vamos deduzir um algoritmo iterativo para ajustar estes modelos por métodos de máxima verossimilhança e discutiremos a inferência dos parâmetros que podem ser obtidas de forma análoga a utilizada para os modelos de Box e Cox. Este procedimento resulta em uma fórmula simples para calcular o parâmetro da transformação da variável resposta que generaliza os resultados prévios. Também chega-se uma fórmula simples para calcular o r-ésimo momento da variável dependente original. A utilidade dessa nova classe de modelos é ilustrada em um estudo de simulação e em aplicações para conjunto de dados reais. (AU)