Regressão e séries temporais em modelamento de dados incompletos

• Processo: 14/13994-7
• Modalidade de apoio: Bolsas no Exterior - Estágio de Pesquisa - Pós-Doutorado
• Data de Início da vigência: 01 de outubro de 2014
• Data de Término da vigência: 31 de dezembro de 2014
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Víctor Hugo Lachos Dávila
• Beneficiário: Aldo William Medina Garay
• Supervisor: Jacek Leśkow
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Instituição Anfitriã: Cracow University of Technology (CUT), Polônia
• Vinculado à bolsa: 13/21468-0 - Modelos com erros nas variáveis para dados censurados usando distribuições de misturas da escala skew-normal, BP.PD
• Palavra(s)-Chave do Pesquisador: bootstrap technique | censored linear regression models | time series data | Estatística

Resumo

Nos últimos anos, os modelos de regressão censurada, modelos com erros nas variáveis, dados de séries temporais ou análise de dados com caudas pesadas podem ser significativamente melhorada e/ou validados com as técnicas baseadas em reamostragem. Assim, em cada categoria de problemas de modelagem de uma questão fundamental é o de ser capaz de estudar melhor as distribuições dos estimadores. A ênfase desta pesquisa será baseada principalmente no estudo e consideração de três modelos muito populares: (A) Os modelos de regressão linear censurados para dados longitudinais irregularmente observados. (B) O modelo de série temporais para sinais não estacionários. (C) modelos inferenciais para distribuições de caudas pesadas. (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)

GARAY, ALDO M.; LACHOS, VICTOR H.; BOLFARINE, HELENO. Bayesian estimation and case influence diagnostics for the zero-inflated negative binomial regression model. Journal of Applied Statistics, v. 42, n. 6, p. 1148-1165, JUN 3 2015. (13/21468-0, 14/13994-7)