Modelos não lineares parciais generalizados superdispersados
Ano de defesa: | 2017 |
---|---|
Autor(a) principal: | |
Orientador(a): | |
Banca de defesa: | |
Tipo de documento: | Dissertação |
Tipo de acesso: | Acesso aberto |
Idioma: | por |
Instituição de defesa: |
Universidade Federal de Pernambuco
|
Programa de Pós-Graduação: |
Programa de Pos Graduacao em Estatistica
|
Departamento: |
Não Informado pela instituição
|
País: |
Brasil
|
Palavras-chave em Português: | |
Link de acesso: | https://repositorio.ufpe.br/handle/123456789/24575 |
Resumo: | Os modelos de regressão são amplamente utilizados quando desejamos avaliar o comportamento de uma ou mais características de interesse (variáveis respostas), em função de outras características observadas (variáveis explicativas). No entanto, os modelos usuais em geral são bastante restritivos e, naturalmente, ocorre uma busca por modelos cada vez mais flexíveis. Neste contexto, Dey et al. (1997) propõem uma classe de modelos lineares generalizados superdispersados, os quais tem a capacidade de controlar a vari-abilidade modelando também sua dispersão de forma independente de sua média. Por outro lado, classes de modelos semiparamétricos estão cada vez mais relevantes na literatura, visto que estes apresentam grande flexibilidade na relação entre a variável resposta e suas correspondentes variáveis explicativas. Nesta dissertação estendemos a classe de modelos superdispersados propostos por Dey et al. (1997) para o âmbito semiparamétrico, ao considerar que a média e a dispersão da variável resposta dependem de componentes paramétricos não lineares e de componentes não paramétricos. Propomos um processo de estimação conjunto dos parâmetros do modelo, e adicionalmente, um critério para a seleção dos parâmetros associados à suavidade das funções não paramétricas. Desenvolvemos técnicas de diagnóstico baseadas em medidas de alavancagem, análise de resíduos e influência local. Na análise de influência local, foram considerados três esquemas de perturbação: perturbação na variável resposta, perturbação nos preditores e ponderação de casos. Por fim, foram realizadas implementações computacionais das técnicas de diagnóstico com o auxilio do software R, as quais são relacionadas com propostas de aplicações práticas envolvendo análise de dados reais. |
id |
UFPE_66cbd4898fff44c45c5d902e737a18cd |
---|---|
oai_identifier_str |
oai:repositorio.ufpe.br:123456789/24575 |
network_acronym_str |
UFPE |
network_name_str |
Repositório Institucional da UFPE |
repository_id_str |
|
spelling |
ARAÚJO, Yuri Alves dehttp://lattes.cnpq.br/1905004112594092http://lattes.cnpq.br/3295616000667012CYSNEIROS, Audrey Helen Mariz de Aquino2018-05-07T22:34:45Z2018-05-07T22:34:45Z2017-02-20https://repositorio.ufpe.br/handle/123456789/24575Os modelos de regressão são amplamente utilizados quando desejamos avaliar o comportamento de uma ou mais características de interesse (variáveis respostas), em função de outras características observadas (variáveis explicativas). No entanto, os modelos usuais em geral são bastante restritivos e, naturalmente, ocorre uma busca por modelos cada vez mais flexíveis. Neste contexto, Dey et al. (1997) propõem uma classe de modelos lineares generalizados superdispersados, os quais tem a capacidade de controlar a vari-abilidade modelando também sua dispersão de forma independente de sua média. Por outro lado, classes de modelos semiparamétricos estão cada vez mais relevantes na literatura, visto que estes apresentam grande flexibilidade na relação entre a variável resposta e suas correspondentes variáveis explicativas. Nesta dissertação estendemos a classe de modelos superdispersados propostos por Dey et al. (1997) para o âmbito semiparamétrico, ao considerar que a média e a dispersão da variável resposta dependem de componentes paramétricos não lineares e de componentes não paramétricos. Propomos um processo de estimação conjunto dos parâmetros do modelo, e adicionalmente, um critério para a seleção dos parâmetros associados à suavidade das funções não paramétricas. Desenvolvemos técnicas de diagnóstico baseadas em medidas de alavancagem, análise de resíduos e influência local. Na análise de influência local, foram considerados três esquemas de perturbação: perturbação na variável resposta, perturbação nos preditores e ponderação de casos. Por fim, foram realizadas implementações computacionais das técnicas de diagnóstico com o auxilio do software R, as quais são relacionadas com propostas de aplicações práticas envolvendo análise de dados reais.CAPESRegression models are widely used when we want to evaluate the behavior of one or more characteristics of interest (response variables), according to other observed charac-teristics (explanatory variables). However, usual models are so restrictive and, naturally, a search for models is becoming increasingly flexible. In this context, Dey et al. (1997) proposed a class of overdispersed generalized linear models, which has the capacity to controls variability the also modeling a dispersion independently of the mean. On the other hand, are increasingly relevant in literature, since they have great flexibility in the rela-tionship between the response variable and their corresponding explanatory variables. In this work, we extend to the class of models proposed by Dey et al. (1997) for semiparame-tric context, considering that the mean and the dispersion for response variable depend on nonlinear parametric components and nonparametric components. We propose the joint parameter estimation process, and in addition, a selection criteria for the smooth param-eters associated with nonparametric functions. We develop diagnostic techniques based on leverage measures, residuals analisys and local influence under different perturbation schemes. Finally, applications to real data are presented.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessAnálise de regressãoModelos de regressãoModelos não lineares parciais generalizados superdispersadosinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPETHUMBNAILDISSERTAÇÃO Yuri Alves de Araújo.pdf.jpgDISSERTAÇÃO Yuri Alves de Araújo.pdf.jpgGenerated Thumbnailimage/jpeg1170https://repositorio.ufpe.br/bitstream/123456789/24575/4/DISSERTA%c3%87%c3%83O%20Yuri%20Alves%20de%20Ara%c3%bajo.pdf.jpgbca53378b8aa6d3a191964632611d590MD54ORIGINALDISSERTAÇÃO Yuri Alves de Araújo.pdfDISSERTAÇÃO Yuri Alves de Araújo.pdfapplication/pdf758815https://repositorio.ufpe.br/bitstream/123456789/24575/1/DISSERTA%c3%87%c3%83O%20Yuri%20Alves%20de%20Ara%c3%bajo.pdfd5dcd9d661e8145ae2ace6d8e4d10444MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-82311https://repositorio.ufpe.br/bitstream/123456789/24575/2/license.txt4b8a02c7f2818eaf00dcf2260dd5eb08MD52TEXTDISSERTAÇÃO Yuri Alves de Araújo.pdf.txtDISSERTAÇÃO Yuri Alves de Araújo.pdf.txtExtracted texttext/plain127303https://repositorio.ufpe.br/bitstream/123456789/24575/3/DISSERTA%c3%87%c3%83O%20Yuri%20Alves%20de%20Ara%c3%bajo.pdf.txt83d184443e77de21ee7115ee176229a2MD53123456789/245752019-10-25 23:52:11.544oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212019-10-26T02:52:11Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false |
dc.title.pt_BR.fl_str_mv |
Modelos não lineares parciais generalizados superdispersados |
title |
Modelos não lineares parciais generalizados superdispersados |
spellingShingle |
Modelos não lineares parciais generalizados superdispersados ARAÚJO, Yuri Alves de Análise de regressão Modelos de regressão |
title_short |
Modelos não lineares parciais generalizados superdispersados |
title_full |
Modelos não lineares parciais generalizados superdispersados |
title_fullStr |
Modelos não lineares parciais generalizados superdispersados |
title_full_unstemmed |
Modelos não lineares parciais generalizados superdispersados |
title_sort |
Modelos não lineares parciais generalizados superdispersados |
author |
ARAÚJO, Yuri Alves de |
author_facet |
ARAÚJO, Yuri Alves de |
author_role |
author |
dc.contributor.authorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/1905004112594092 |
dc.contributor.advisorLattes.pt_BR.fl_str_mv |
http://lattes.cnpq.br/3295616000667012 |
dc.contributor.author.fl_str_mv |
ARAÚJO, Yuri Alves de |
dc.contributor.advisor1.fl_str_mv |
CYSNEIROS, Audrey Helen Mariz de Aquino |
contributor_str_mv |
CYSNEIROS, Audrey Helen Mariz de Aquino |
dc.subject.por.fl_str_mv |
Análise de regressão Modelos de regressão |
topic |
Análise de regressão Modelos de regressão |
description |
Os modelos de regressão são amplamente utilizados quando desejamos avaliar o comportamento de uma ou mais características de interesse (variáveis respostas), em função de outras características observadas (variáveis explicativas). No entanto, os modelos usuais em geral são bastante restritivos e, naturalmente, ocorre uma busca por modelos cada vez mais flexíveis. Neste contexto, Dey et al. (1997) propõem uma classe de modelos lineares generalizados superdispersados, os quais tem a capacidade de controlar a vari-abilidade modelando também sua dispersão de forma independente de sua média. Por outro lado, classes de modelos semiparamétricos estão cada vez mais relevantes na literatura, visto que estes apresentam grande flexibilidade na relação entre a variável resposta e suas correspondentes variáveis explicativas. Nesta dissertação estendemos a classe de modelos superdispersados propostos por Dey et al. (1997) para o âmbito semiparamétrico, ao considerar que a média e a dispersão da variável resposta dependem de componentes paramétricos não lineares e de componentes não paramétricos. Propomos um processo de estimação conjunto dos parâmetros do modelo, e adicionalmente, um critério para a seleção dos parâmetros associados à suavidade das funções não paramétricas. Desenvolvemos técnicas de diagnóstico baseadas em medidas de alavancagem, análise de resíduos e influência local. Na análise de influência local, foram considerados três esquemas de perturbação: perturbação na variável resposta, perturbação nos preditores e ponderação de casos. Por fim, foram realizadas implementações computacionais das técnicas de diagnóstico com o auxilio do software R, as quais são relacionadas com propostas de aplicações práticas envolvendo análise de dados reais. |
publishDate |
2017 |
dc.date.issued.fl_str_mv |
2017-02-20 |
dc.date.accessioned.fl_str_mv |
2018-05-07T22:34:45Z |
dc.date.available.fl_str_mv |
2018-05-07T22:34:45Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://repositorio.ufpe.br/handle/123456789/24575 |
url |
https://repositorio.ufpe.br/handle/123456789/24575 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Attribution-NonCommercial-NoDerivs 3.0 Brazil http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
eu_rights_str_mv |
openAccess |
dc.publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.publisher.program.fl_str_mv |
Programa de Pos Graduacao em Estatistica |
dc.publisher.initials.fl_str_mv |
UFPE |
dc.publisher.country.fl_str_mv |
Brasil |
publisher.none.fl_str_mv |
Universidade Federal de Pernambuco |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFPE instname:Universidade Federal de Pernambuco (UFPE) instacron:UFPE |
instname_str |
Universidade Federal de Pernambuco (UFPE) |
instacron_str |
UFPE |
institution |
UFPE |
reponame_str |
Repositório Institucional da UFPE |
collection |
Repositório Institucional da UFPE |
bitstream.url.fl_str_mv |
https://repositorio.ufpe.br/bitstream/123456789/24575/4/DISSERTA%c3%87%c3%83O%20Yuri%20Alves%20de%20Ara%c3%bajo.pdf.jpg https://repositorio.ufpe.br/bitstream/123456789/24575/1/DISSERTA%c3%87%c3%83O%20Yuri%20Alves%20de%20Ara%c3%bajo.pdf https://repositorio.ufpe.br/bitstream/123456789/24575/2/license.txt https://repositorio.ufpe.br/bitstream/123456789/24575/3/DISSERTA%c3%87%c3%83O%20Yuri%20Alves%20de%20Ara%c3%bajo.pdf.txt |
bitstream.checksum.fl_str_mv |
bca53378b8aa6d3a191964632611d590 d5dcd9d661e8145ae2ace6d8e4d10444 4b8a02c7f2818eaf00dcf2260dd5eb08 83d184443e77de21ee7115ee176229a2 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE) |
repository.mail.fl_str_mv |
attena@ufpe.br |
_version_ |
1797782338707390464 |