Estimação Robusta em Modelos Espaciais para Dados Censurados.

Resumo

O objetivo deste projeto é apresentar um estudo de inferência clássica e Bayesiana em modelos espaciais para dados censurados sob distribuições mais robustas do que a distribuição normal e skew-normal, isto é, sob a classe das distribuições de misturas de escala skew-normal. Além disso, serão apresentados estudos de diagnóstico clássicos e Bayesianos baseados nos métodos de influência local (Cook, 1986) e da divergência-q (Peng & Dey, 1995), respectivamente, como discutido em Lachos et al. (2011) e Lachos et al. (2013). Para o processo de estimação usaremos os algoritmosEM (Expectation-Maximization), SAEM (Stochastic Approximation of the EM) eo amostrador de Gibbs com implementação em R, C++ e WinBUGS.As propostas deste projeto visam contribuir positivamente para o desenvolvimento na área de modelos espaciais para dados censurados, fornecendo novos resultados em modelos de interesse prático, estendendo e complementando alguns resultados encontrados, por exemplo, em Kim & Mallick (2004); Karimi & Mohammadzadeh(2012); Assumpção et al. (2014); Prates et al. (2014); Militino & Ugarte (1999); De Oliveira (2005); Fridley & Dixon (2006); Toscas (2010); De Bastiani et al. (2014), entre outros.