Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos

Detalhes bibliográficos
Ano de defesa: 2023
Autor(a) principal: CAMASCA OLIVARI, Rommy
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso embargado
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Estatistica
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Estatística Aplicada
Dados censurados
Distribuição elíptica
Erros autoregressivos
Algoritmo EM
Medidas de diagnóstico
Link de acesso: https://repositorio.ufpe.br/handle/123456789/54678
Resumo: Os modelos de efeitos mistos são ferramentas frequentemente utilizadas para o estudo de dados longitudinais. No entanto, devido à possível complexidade deste tipo de dados, torna-se atrativo o desenvolvimento de extensões destes modelos com suposições mais flexíveis com a finalidade de melhorar o ajuste dos dados. Neste contexto, propomos uma extensão mais flexível dos modelos de efeitos mistos com respostas censuradas e erros normais autorregressivos de ordem p. Para isso, atribuímos inicialmente a classe de distribuição elíptica às componentes aleatórias do modelo. Esta família de distribuições nos permitirá trabalhar com conjuntos de dados com caudas mais leves ou mais pesadas que a normal, possibilitando uma melhor acomodação de observações extremas e uma menor sensibilidade à presença de observações atípicas. Dessa forma, um algoritmo do tipo EM foi desenvolvido para obter as estimativas de máxima verossimilhança e os erros padrão dessas estimativas utilizando a matriz de informação empírica. Por outro lado, nos últimos anos, há um interesse crescente em métodos estatísticos para a análise de dados longitudinais com efeitos espaciais. Nesse contexto, propomos uma segunda extensão do modelo proposto inicialmente, incluindo dependência espacial na distribuição do efeito aleatóreo. Para avaliar a qualidade do ajuste e as premissas dos modelos propostos foram utilizados os resíduos martingais e medidas de diagnóstico com base na abordagem de influência global e local. Apresentamos estudos de simulação sob diferentes cenários para avaliar as propriedades assintóticas dos estimadores e o desempenho dessa classe de modelos na presença de observações atípicas. Finalmente, foram analisados exemplos práticos com dados reais.
id UFPE_92d618f9cd8d6de7799274ab4f6e8efd
oai_identifier_str oai:repositorio.ufpe.br:123456789/54678
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivosEstatística AplicadaDados censuradosDistribuição elípticaErros autoregressivosAlgoritmo EMMedidas de diagnósticoOs modelos de efeitos mistos são ferramentas frequentemente utilizadas para o estudo de dados longitudinais. No entanto, devido à possível complexidade deste tipo de dados, torna-se atrativo o desenvolvimento de extensões destes modelos com suposições mais flexíveis com a finalidade de melhorar o ajuste dos dados. Neste contexto, propomos uma extensão mais flexível dos modelos de efeitos mistos com respostas censuradas e erros normais autorregressivos de ordem p. Para isso, atribuímos inicialmente a classe de distribuição elíptica às componentes aleatórias do modelo. Esta família de distribuições nos permitirá trabalhar com conjuntos de dados com caudas mais leves ou mais pesadas que a normal, possibilitando uma melhor acomodação de observações extremas e uma menor sensibilidade à presença de observações atípicas. Dessa forma, um algoritmo do tipo EM foi desenvolvido para obter as estimativas de máxima verossimilhança e os erros padrão dessas estimativas utilizando a matriz de informação empírica. Por outro lado, nos últimos anos, há um interesse crescente em métodos estatísticos para a análise de dados longitudinais com efeitos espaciais. Nesse contexto, propomos uma segunda extensão do modelo proposto inicialmente, incluindo dependência espacial na distribuição do efeito aleatóreo. Para avaliar a qualidade do ajuste e as premissas dos modelos propostos foram utilizados os resíduos martingais e medidas de diagnóstico com base na abordagem de influência global e local. Apresentamos estudos de simulação sob diferentes cenários para avaliar as propriedades assintóticas dos estimadores e o desempenho dessa classe de modelos na presença de observações atípicas. Finalmente, foram analisados exemplos práticos com dados reais.FACEPEMixed effects models are frequently used tools for studying longitudinal data. However, due to the possible complexity of this type of data, it is attractive to develop extensions of these models with more flexible assumptions aimed at improving the fit of the data. In this context, we propose a more flexible extension of mixed effects models with censored responses and autoregressive normal errors of order p. For this, we initially assign the elliptical distribution class to the random components of the model. This family of distributions will allow us to work with datasets with lighter or heavier tails than normal, allowing a less sensitive fit to the presence of atypical observations. Thus, an EM-type algorithm was developed to obtain the maximum likelihood estimates and the standard errors of these estimates using the empirical information matrix. On the other hand, in the last few years, there has been a growing interest in statistical methods for analyzing longitudinal data with spatial effects. In this context, we propose a second extension of the initially proposed model, including spatial dependence in the distribution of the random effect. To assess the goodness of fit and assumptions of the proposed models, martingale residuals and diagnostic measures were used based on the global and local influence approach. We present simulation studies under different scenarios to evaluate the asymptotic properties of the estimators and the performance of this class of models in the presence of outliers. Finally, practical examples with real data were analyzed.Universidade Federal de PernambucoUFPEBrasilPrograma de Pos Graduacao em EstatisticaCYSNEIROS, Francisco José de AzevêdoGARAY, Aldo Medinahttp://lattes.cnpq.br/3971746603022796http://lattes.cnpq.br/1313497098151734http://lattes.cnpq.br/6628260142102150CAMASCA OLIVARI, Rommy2024-01-22T18:59:53Z2024-01-22T18:59:53Z2023-02-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfCAMASCA OLIVARI, Rommy. Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos. 2023. Tese (Doutorado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.https://repositorio.ufpe.br/handle/123456789/54678porAttribution-NonCommercial-NoDerivs 3.0 Brazilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/embargoedAccessreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPE2024-01-23T05:22:13Zoai:repositorio.ufpe.br:123456789/54678Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212024-01-23T05:22:13Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.none.fl_str_mv Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
title Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
spellingShingle Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
CAMASCA OLIVARI, Rommy
Estatística Aplicada
Dados censurados
Distribuição elíptica
Erros autoregressivos
Algoritmo EM
Medidas de diagnóstico
title_short Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
title_full Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
title_fullStr Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
title_full_unstemmed Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
title_sort Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos
author CAMASCA OLIVARI, Rommy
author_facet CAMASCA OLIVARI, Rommy
author_role author
dc.contributor.none.fl_str_mv CYSNEIROS, Francisco José de Azevêdo
GARAY, Aldo Medina
http://lattes.cnpq.br/3971746603022796
http://lattes.cnpq.br/1313497098151734
http://lattes.cnpq.br/6628260142102150
dc.contributor.author.fl_str_mv CAMASCA OLIVARI, Rommy
dc.subject.por.fl_str_mv Estatística Aplicada
Dados censurados
Distribuição elíptica
Erros autoregressivos
Algoritmo EM
Medidas de diagnóstico
topic Estatística Aplicada
Dados censurados
Distribuição elíptica
Erros autoregressivos
Algoritmo EM
Medidas de diagnóstico
description Os modelos de efeitos mistos são ferramentas frequentemente utilizadas para o estudo de dados longitudinais. No entanto, devido à possível complexidade deste tipo de dados, torna-se atrativo o desenvolvimento de extensões destes modelos com suposições mais flexíveis com a finalidade de melhorar o ajuste dos dados. Neste contexto, propomos uma extensão mais flexível dos modelos de efeitos mistos com respostas censuradas e erros normais autorregressivos de ordem p. Para isso, atribuímos inicialmente a classe de distribuição elíptica às componentes aleatórias do modelo. Esta família de distribuições nos permitirá trabalhar com conjuntos de dados com caudas mais leves ou mais pesadas que a normal, possibilitando uma melhor acomodação de observações extremas e uma menor sensibilidade à presença de observações atípicas. Dessa forma, um algoritmo do tipo EM foi desenvolvido para obter as estimativas de máxima verossimilhança e os erros padrão dessas estimativas utilizando a matriz de informação empírica. Por outro lado, nos últimos anos, há um interesse crescente em métodos estatísticos para a análise de dados longitudinais com efeitos espaciais. Nesse contexto, propomos uma segunda extensão do modelo proposto inicialmente, incluindo dependência espacial na distribuição do efeito aleatóreo. Para avaliar a qualidade do ajuste e as premissas dos modelos propostos foram utilizados os resíduos martingais e medidas de diagnóstico com base na abordagem de influência global e local. Apresentamos estudos de simulação sob diferentes cenários para avaliar as propriedades assintóticas dos estimadores e o desempenho dessa classe de modelos na presença de observações atípicas. Finalmente, foram analisados exemplos práticos com dados reais.
publishDate 2023
dc.date.none.fl_str_mv 2023-02-14
2024-01-22T18:59:53Z
2024-01-22T18:59:53Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv CAMASCA OLIVARI, Rommy. Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos. 2023. Tese (Doutorado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.
https://repositorio.ufpe.br/handle/123456789/54678
identifier_str_mv CAMASCA OLIVARI, Rommy. Modelos não lineares de efeitos mistos para dados censurados com erros elípticos autorregressivos. 2023. Tese (Doutorado em Estatística) – Universidade Federal de Pernambuco, Recife, 2023.
url https://repositorio.ufpe.br/handle/123456789/54678
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/embargoedAccess
rights_invalid_str_mv Attribution-NonCommercial-NoDerivs 3.0 Brazil
http://creativecommons.org/licenses/by-nc-nd/3.0/br/
eu_rights_str_mv embargoedAccess
dc.format.none.fl_str_mv application/pdf
dc.publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Estatistica
publisher.none.fl_str_mv Universidade Federal de Pernambuco
UFPE
Brasil
Programa de Pos Graduacao em Estatistica
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
repository.name.fl_str_mv Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)
repository.mail.fl_str_mv attena@ufpe.br
_version_ 1856041867755388928

Registros relacionados