| Processo: | 12/18702-9 |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |
| Data de Início da vigência: | 01 de março de 2013 |
| Data de Término da vigência: | 28 de fevereiro de 2015 |
| Área de conhecimento: | Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística |
| Pesquisador responsável: | Víctor Hugo Lachos Dávila |
| Beneficiário: | Monique Bettio Massuia |
| Instituição Sede: | Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil |
| Assunto(s): | Dados censurados Algoritmo EM |
| Palavra(s)-Chave do Pesquisador: | Algoritmo EM | Amostrado de Gibbs | Dados censurados | Misturas da escala skew-normal | r | WinBUGS | Estatistica |
Resumo Assumir que as observações seguem uma distribuição normal é uma suposição rotineira em modelos lineares e não lineares para respostas censuradas (veja Barros et al., 2010; Sharma e Agarwal, 2003). No entanto, esta suposição pode ser não realista, ocultando importantes características da variação que está presente nos dados. Arabmazar and Schmidt (1982) estudaram as consequências da especificação inadequada da distribuição dos erros no modelo Tobit e notaram que o vício assintótico dos estimadores de máxima verossimilhança, calculados sob a hipótese de normalidade, pode ser significativo. Assim, é conveniente considerar famílias paramétricas de distribuições que sejam flexíveis para capturar uma ampla variedade de comportamentos simétricos e assimétricos, que incluam as distribuições simétricas como casos especiais e que produzam estimações robustas no modelo considerado.A classe de distribuições de misturas da escala skew-normal (Branco and Dey, 2001; Lachos,Ghosh e Arellano-Valle 2010) é interessante porque inclui as versões simétrica e assimétrica das distribuições t de Student, slash, normal-contaminada e exponencial potência, todas elas com caudas mais pesadas do que a distribuição normal, sendo, portanto, as estimações sob estes modelos mais robustas do que sob o modelo normal.O objetivo deste projeto é apresentar um estudo de inferência clássica e Bayesiana em modelos de regressão linear e não linear para dados censurados sob distribuições mais robustas que a distribuição skew-normal, isto é, sob a classe das distribuições de misturas da escala skew-normal. Além disso, serão apresentados estudos de diagnóstico de influência local e global usando a metodologia de Zhu e Lee (2001). No contexto Bayesiano, a análise de diagnóstico será baseada na medida de divergência q (Peng e Dey, 1995), sendo a divergência de Kullback-Leibler um caso especial desta medida (vide Castro, Lachos, Arellan-Valle e Ferreira, 2012). No processo de estimação usaremos o algoritmo EM e o amostrador de Gibbs com implementação no R e WinBUGS, respectivamente.As propostas deste projeto visam contribuir positivamente para o desenvolvimento na área de pesquisa estatística, aportando novos resultados em modelos de interesse prático, estendendo alguns resultados encontrados, por exemplo, em Massuia, Cabral, Matos e Lachos (2012). | |
| Matéria(s) publicada(s) na Agência FAPESP sobre a bolsa: | |
| Mais itensMenos itens | |
| TITULO | |
| Matéria(s) publicada(s) em Outras Mídias ( ): | |
| Mais itensMenos itens | |
| VEICULO: TITULO (DATA) | |
| VEICULO: TITULO (DATA) | |