Modelos de regressão mistos para dados bivariados contínuo assimétrico e binário

• Processo: 15/25867-2
• Modalidade de apoio: Bolsas no Brasil - Mestrado
• Data de Início da vigência: 01 de maio de 2016
• Data de Término da vigência: 28 de fevereiro de 2018
• Área de conhecimento: Ciências Exatas e da Terra - Probabilidade e Estatística - Estatística
• Pesquisador responsável: Caio Lucidius Naberezny Azevedo
• Beneficiário: Mayara Caroline Maioli
• Instituição Sede: Instituto de Matemática, Estatística e Computação Científica (IMECC). Universidade Estadual de Campinas (UNICAMP). Campinas , SP, Brasil
• Vinculado ao auxílio: 12/21788-2 - Modelos de regressão e aplicações, AP.TEM
• Assunto(s): Inferência bayesiana Algoritmos
• Palavra(s)-Chave do Pesquisador: Algorítmos Mcmc | dados binários | Dados contínuos | Distribuições assimétricas | Inferência Bayesiana | Modelos de Regressão Mistos | Modelos de regressão

Resumo

Neste projeto desenvolveremos uma classe de modelos de regressão mistos para dados bivariados contínuo assimétrico e binário, ou seja, uma das variáveis resposta é contínua e para ela se considera a distribuição normal assimétrica centrada enquanto que a outra é binária (dicotômica). Além disso, para a variável binária, utilizaremos como função de ligação a função distribuição acumulada da normal assimétrica centrada. Para introduzir a estrutura de dependência entre as duas variáveis reposta consideraremos uma estrutura comum de efeitos aleatórios os quais seguem uma distribuição normal assimétrica centrada multivariada. Utilizaremos uma estrutura de dados aumentados para a parte binária, bem como representações estocásticas convenientes para a distribuição normal assimétrica centrada em suas versões uni e multivariada, para fins de estimação paramétrica e verificação da qualidade de ajuste do modelo. O paradigma bayesiano, através de algoritmos MCMC, será utilizada também para ajustar os modelos bem como para verificar a qualidade de ajuste e comparar modelos competidores. Os desenvolvimentos serão implementados no pacote computacional R. Estudos de simulação bem como análise de dados reais serão considerados para ilustrar o potencial das metodologias desenvolvidas. (AU)

Publicações acadêmicas

(Referências obtidas automaticamente das Instituições de Ensino e Pesquisa do Estado de São Paulo)

MAIOLI, Mayara Caroline. Univariate and bivariate regression models based on centered skew scale mixture of normal distributions. 2018. Dissertação de Mestrado - Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica Campinas, SP.