Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas

Detalhes bibliográficos
Ano de defesa: 2024
Autor(a) principal: ALVAREZ GIL, Maria Yessenia
Orientador(a): GARAY, Aldo William Medina
Banca de defesa: Não Informado pela instituição
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:
Modelos de regressão censurados
Distribuições de caudas pesadas
Algoritmo ECME
Distribuições de misturas de escala da distribuição normal assimétrica
Link de acesso: https://repositorio.ufpe.br/handle/123456789/60048
Resumo: As distribuições de misturas de escala da distribuição normal assimétrica (SMSN) são uma classe de distribuições assimétricas com caudas pesadas, que inclue distribuições como a nor- mal assimétrica, t de Student assimétrica e normal contaminada assimétrica. Este trabalho propõe um modelo de regressão linear, com censura intervalar, supondo que os erros seguem distribuições da classe SMSN, o que oferece uma alternativa mais flexível aos modelos de regressão censurados tradicionais que assumem distribuição normal para os erros. Implemen- tamos um algoritmo para a estimação dos parâmetros via maximização condicional da função de verossimilhança (ECME), que apresenta expressões analíticas para o passo E. Essas ex- pressões se baseiam em fórmulas para a média e variância de distribuições de misturas de escala da distribuição normal assimétrica truncadas, que podem ser calculadas numericamente utilizando o pacote MomTrunc disponível no software R. Ilustramos a aplicação e adequação da metodologia proposta por meio de estudos de simulação e análise de três conjuntos de dados reais.
id UFPE_d6e3a0251bccd66085583bccf480ea8a
oai_identifier_str oai:repositorio.ufpe.br:123456789/60048
network_acronym_str UFPE
network_name_str Repositório Institucional da UFPE
repository_id_str
spelling ALVAREZ GIL, Maria Yesseniahttp://lattes.cnpq.br/9701003791258037http://lattes.cnpq.br/6628260142102150http://lattes.cnpq.br/5456626204155096GARAY, Aldo William MedinaDÁVILA, Víctor Hugo Lachos2025-01-27T13:51:12Z2025-01-27T13:51:12Z2024-07-23ALVAREZ GIL, Maria Yessenia Alvarez. Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas. 2024. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2024.https://repositorio.ufpe.br/handle/123456789/60048As distribuições de misturas de escala da distribuição normal assimétrica (SMSN) são uma classe de distribuições assimétricas com caudas pesadas, que inclue distribuições como a nor- mal assimétrica, t de Student assimétrica e normal contaminada assimétrica. Este trabalho propõe um modelo de regressão linear, com censura intervalar, supondo que os erros seguem distribuições da classe SMSN, o que oferece uma alternativa mais flexível aos modelos de regressão censurados tradicionais que assumem distribuição normal para os erros. Implemen- tamos um algoritmo para a estimação dos parâmetros via maximização condicional da função de verossimilhança (ECME), que apresenta expressões analíticas para o passo E. Essas ex- pressões se baseiam em fórmulas para a média e variância de distribuições de misturas de escala da distribuição normal assimétrica truncadas, que podem ser calculadas numericamente utilizando o pacote MomTrunc disponível no software R. Ilustramos a aplicação e adequação da metodologia proposta por meio de estudos de simulação e análise de três conjuntos de dados reais.The scale mixture of skew-normal (SMSN) distributions is a class of asymmetric distribu- tions with heavy tails, which includes distributions such as skew-normal, skew-t, and skew- contaminated normal. This work proposes a linear regression model with interval censoring, assuming that errors follow distributions from the SMSN class, resulting in more robust and flexible models than censored regression models that assume normal distribution for errors. We implemented an algorithm for parameter estimation via conditional maximization of the likeli- hood function (ECME), which provides analytical expressions for the E step. These expressions are based on formulas for the mean and variance of truncated scale mixtures of skew-normal distributions, which can be computed using the MomTrunc package available in the R software. We illustrate the application and adequacy of the proposed methodology through simulation studies and analysis of three real data sets.porUniversidade Federal de PernambucoPrograma de Pos Graduacao em EstatisticaUFPEBrasilhttp://creativecommons.org/licenses/by-nc-nd/3.0/br/info:eu-repo/semantics/openAccessModelos de regressão censuradosDistribuições de caudas pesadasAlgoritmo ECMEDistribuições de misturas de escala da distribuição normal assimétricaModelos de regressão linear para dados incompletos utilizando distribuições assimétricasinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesismestradoreponame:Repositório Institucional da UFPEinstname:Universidade Federal de Pernambuco (UFPE)instacron:UFPEORIGINALDISSERTAÇÃO Maria Yessenia Alvarez Gil.pdfDISSERTAÇÃO Maria Yessenia Alvarez Gil.pdfapplication/pdf1374821https://repositorio.ufpe.br/bitstream/123456789/60048/1/DISSERTA%c3%87%c3%83O%20Maria%20Yessenia%20Alvarez%20Gil.pdf05873d6ab29b4bcbfce6e160e40db6ddMD51CC-LICENSElicense_rdflicense_rdfapplication/rdf+xml; charset=utf-8811https://repositorio.ufpe.br/bitstream/123456789/60048/2/license_rdfe39d27027a6cc9cb039ad269a5db8e34MD52LICENSElicense.txtlicense.txttext/plain; charset=utf-82362https://repositorio.ufpe.br/bitstream/123456789/60048/3/license.txt5e89a1613ddc8510c6576f4b23a78973MD53TEXTDISSERTAÇÃO Maria Yessenia Alvarez Gil.pdf.txtDISSERTAÇÃO Maria Yessenia Alvarez Gil.pdf.txtExtracted texttext/plain154873https://repositorio.ufpe.br/bitstream/123456789/60048/4/DISSERTA%c3%87%c3%83O%20Maria%20Yessenia%20Alvarez%20Gil.pdf.txt354766f725940e036c200c02943fb2ceMD54THUMBNAILDISSERTAÇÃO Maria Yessenia Alvarez Gil.pdf.jpgDISSERTAÇÃO Maria Yessenia Alvarez Gil.pdf.jpgGenerated Thumbnailimage/jpeg1226https://repositorio.ufpe.br/bitstream/123456789/60048/5/DISSERTA%c3%87%c3%83O%20Maria%20Yessenia%20Alvarez%20Gil.pdf.jpgc8af34baab759ceb19d208162ee7e86eMD55123456789/600482025-01-28 02:29:42.106oai:repositorio.ufpe.br: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Repositório InstitucionalPUBhttps://repositorio.ufpe.br/oai/requestattena@ufpe.bropendoar:22212025-01-28T05:29:42Repositório Institucional da UFPE - Universidade Federal de Pernambuco (UFPE)false
dc.title.pt_BR.fl_str_mv Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
title Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
spellingShingle Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
ALVAREZ GIL, Maria Yessenia
Modelos de regressão censurados
Distribuições de caudas pesadas
Algoritmo ECME
Distribuições de misturas de escala da distribuição normal assimétrica
title_short Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
title_full Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
title_fullStr Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
title_full_unstemmed Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
title_sort Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas
author ALVAREZ GIL, Maria Yessenia
author_facet ALVAREZ GIL, Maria Yessenia
author_role author
dc.contributor.authorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/9701003791258037
dc.contributor.advisorLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/6628260142102150
dc.contributor.advisor-coLattes.pt_BR.fl_str_mv http://lattes.cnpq.br/5456626204155096
dc.contributor.author.fl_str_mv ALVAREZ GIL, Maria Yessenia
dc.contributor.advisor1.fl_str_mv GARAY, Aldo William Medina
dc.contributor.advisor-co1.fl_str_mv DÁVILA, Víctor Hugo Lachos
contributor_str_mv GARAY, Aldo William Medina
DÁVILA, Víctor Hugo Lachos
dc.subject.por.fl_str_mv Modelos de regressão censurados
Distribuições de caudas pesadas
Algoritmo ECME
Distribuições de misturas de escala da distribuição normal assimétrica
topic Modelos de regressão censurados
Distribuições de caudas pesadas
Algoritmo ECME
Distribuições de misturas de escala da distribuição normal assimétrica
description As distribuições de misturas de escala da distribuição normal assimétrica (SMSN) são uma classe de distribuições assimétricas com caudas pesadas, que inclue distribuições como a nor- mal assimétrica, t de Student assimétrica e normal contaminada assimétrica. Este trabalho propõe um modelo de regressão linear, com censura intervalar, supondo que os erros seguem distribuições da classe SMSN, o que oferece uma alternativa mais flexível aos modelos de regressão censurados tradicionais que assumem distribuição normal para os erros. Implemen- tamos um algoritmo para a estimação dos parâmetros via maximização condicional da função de verossimilhança (ECME), que apresenta expressões analíticas para o passo E. Essas ex- pressões se baseiam em fórmulas para a média e variância de distribuições de misturas de escala da distribuição normal assimétrica truncadas, que podem ser calculadas numericamente utilizando o pacote MomTrunc disponível no software R. Ilustramos a aplicação e adequação da metodologia proposta por meio de estudos de simulação e análise de três conjuntos de dados reais.
publishDate 2024
dc.date.issued.fl_str_mv 2024-07-23
dc.date.accessioned.fl_str_mv 2025-01-27T13:51:12Z
dc.date.available.fl_str_mv 2025-01-27T13:51:12Z
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.citation.fl_str_mv ALVAREZ GIL, Maria Yessenia Alvarez. Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas. 2024. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2024.
dc.identifier.uri.fl_str_mv https://repositorio.ufpe.br/handle/123456789/60048
identifier_str_mv ALVAREZ GIL, Maria Yessenia Alvarez. Modelos de regressão linear para dados incompletos utilizando distribuições assimétricas. 2024. Dissertação (Mestrado em Estatística) – Universidade Federal de Pernambuco, Recife, 2024.
url https://repositorio.ufpe.br/handle/123456789/60048
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv http://creativecommons.org/licenses/by-nc-nd/3.0/br/
info:eu-repo/semantics/openAccess
rights_invalid_str_mv 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/123456789/60048/1/DISSERTA%c3%87%c3%83O%20Maria%20Yessenia%20Alvarez%20Gil.pdf
https://repositorio.ufpe.br/bitstream/123456789/60048/2/license_rdf
https://repositorio.ufpe.br/bitstream/123456789/60048/3/license.txt
https://repositorio.ufpe.br/bitstream/123456789/60048/4/DISSERTA%c3%87%c3%83O%20Maria%20Yessenia%20Alvarez%20Gil.pdf.txt
https://repositorio.ufpe.br/bitstream/123456789/60048/5/DISSERTA%c3%87%c3%83O%20Maria%20Yessenia%20Alvarez%20Gil.pdf.jpg
bitstream.checksum.fl_str_mv 05873d6ab29b4bcbfce6e160e40db6dd
e39d27027a6cc9cb039ad269a5db8e34
5e89a1613ddc8510c6576f4b23a78973
354766f725940e036c200c02943fb2ce
c8af34baab759ceb19d208162ee7e86e
bitstream.checksumAlgorithm.fl_str_mv MD5
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_ 1862741827216474112

Registros relacionados