Texto completo
| |
| Autor(es): |
Mayara Caroline Maioli
Número total de Autores: 1
|
| Tipo de documento: | Dissertação de Mestrado |
| Imprenta: | Campinas, SP. |
| Instituição: | Universidade Estadual de Campinas (UNICAMP). Instituto de Matemática, Estatística e Computação Científica |
| Data de defesa: | 2018-03-08 |
| Membros da banca: |
Caio Lucidius Naberezny Azevedo;
Filidor Edilfonso Vilca Labra;
Carlos Alberto Ribeiro Diniz
|
| Orientador: | Caio Lucidius Naberezny Azevedo |
| Resumo | |
Situações em que a variável resposta é contínua ou binária são bastante comuns em diversas áreas do conhecimento. Apesar de existirem diversos modelos para essas situações, em muitos casos, características como assimetria e caudas pesadas, não são contempladas adequadamente. Além disso, conjuntos de respostas bivariadas, contendo uma variável contínua e uma discreta, são comuns em muitos problemas reais, as quais também podem apresentar assimetria e caudas pesadas. A abordagem mais comum, no caso bivariado, é modelar cada variável separadamente, ignorando a potencial correlação entre elas, ou decompor a distribuição conjunta na distribuição marginal para a variável binária e na distribuição condicional para a variável contínua, dada a variável binária. A decomposição na distribuição marginal da variável contínua e na distribuição condicional da variável binária, dada a variável contínua, também é possível. Neste projeto desenvolvemos: uma classe de modelos de regressão linear baseada nas distribuições de mistura de escala normal assimétrica sob a parametrização centrada (MENAC), uma classe de modelos de regressão para dados binários com função de ligação associada a alguma distribuição MENAC, e uma classe de modelos de regressão misto para dados bivariados contínuo e binário, em que tanto a resposta contínua, quanto a função de ligação para a resposta binária pertencem a classe MENAC. Para introduzir a estrutura de dependência entre as duas variáveis resposta, consideramos uma estrutura de efeitos aleatórios comuns, cujas distribuições também pertencem a classe MENAC. Desenvolvemos procedimentos de estimação sob o paradigma bayesiano, assim como ferramentas de diagnóstico, contemplando análise residual e medidas de influência, bem como medidas de comparação de modelos. Realizamos estudos de simulação, considerando diferentes cenários de interesse, com o intuito de avaliar o desempenho das estimativas e das medidas de diagnóstico. As metodologias propostas foram ilustradas tanto com dados provenientes de estudos de simulação, quanto com conjuntos de dados reais (AU) | |
| Processo FAPESP: | 15/25867-2 - Modelos de regressão mistos para dados bivariados contínuo assimétrico e binário |
| Beneficiário: | Mayara Caroline Maioli |
| Modalidade de apoio: | Bolsas no Brasil - Mestrado |