Semi-parametric generalized log-gamma regression models

Detalhes bibliográficos
Ano de defesa: 2017
Autor(a) principal: Delgado, Carlos Alberto Cardozo
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: eng
Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Distribuição log-gamma generalizada
Distribuições assimétricas
Estimação por máxima verossimilhança penalizada
Modelos semiparamétricos
Observações censuradas
P-splines
Spline cúbico natural
Link de acesso: http://www.teses.usp.br/teses/disponiveis/45/45133/tde-15032018-185352/
Resumo: The central objective of this work is to develop statistical tools for semi-parametric regression models with generalized log-gamma errors under the presence of censored and uncensored observations. The estimates of the parameters are obtained through the multivariate version of Newton-Raphson algorithm and an adequate combination of Fisher Scoring and Backffitting algorithms. Through analytical tools and using simulations the properties of the penalized maximum likelihood estimators are studied. Some diagnostic techniques such as quantile and deviance-type residuals as well as local influence measures are derived. The methodologies are implemented in the statistical computational environment R. The package sglg is developed. Finally, we give some applications of the models to real data.
id USP_dfef968a6322f7d7b0da7b032799a1e3
oai_identifier_str oai:teses.usp.br:tde-15032018-185352
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Semi-parametric generalized log-gamma regression modelsModelos de regressão semiparamétricos com erros distribuídos log-gamma generalizadaDistribuição log-gamma generalizadaDistribuições assimétricasEstimação por máxima verossimilhança penalizadaModelos semiparamétricosObservações censuradasP-splinesSpline cúbico naturalThe central objective of this work is to develop statistical tools for semi-parametric regression models with generalized log-gamma errors under the presence of censored and uncensored observations. The estimates of the parameters are obtained through the multivariate version of Newton-Raphson algorithm and an adequate combination of Fisher Scoring and Backffitting algorithms. Through analytical tools and using simulations the properties of the penalized maximum likelihood estimators are studied. Some diagnostic techniques such as quantile and deviance-type residuals as well as local influence measures are derived. The methodologies are implemented in the statistical computational environment R. The package sglg is developed. Finally, we give some applications of the models to real data.O objetivo central do trabalho é proporcionar ferramentas estatísticas para modelos de regressão semiparamétricos quando os erros seguem distribução log-gamma generalizada na presença de observações censuradas ou não censuradas. A estimação paramétrica e não paramétrica são realizadas através dos procedimentos Newton - Raphson, escore de Fisher e Backfitting (Gauss - Seidel). As propriedades assintóticas dos estimadores de máxima verossimilhança penalizada são estudadas em forma analítica, bem como através de simulações. Alguns procedimentos de diagnóstico são desenvolvidos, tais como resíduos tipo componente do desvio e resíduo quantílico, bem como medidas de influ\\^encia local sob alguns esquemas usuais de perturbação. Todos procedimentos do presente trabalho são implementados no ambiente computacional R, o pacote sglg é desenvolvido, assim como algumas aplicações a dados reais são apresentadas.Biblioteca Digitais de Teses e Dissertações da USPPaula, Gilberto AlvarengaDelgado, Carlos Alberto Cardozo2017-12-14info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttp://www.teses.usp.br/teses/disponiveis/45/45133/tde-15032018-185352/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesseng2024-08-15T17:58:02Zoai:teses.usp.br:tde-15032018-185352Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212024-08-15T17:58:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Semi-parametric generalized log-gamma regression models
Modelos de regressão semiparamétricos com erros distribuídos log-gamma generalizada
title Semi-parametric generalized log-gamma regression models
spellingShingle Semi-parametric generalized log-gamma regression models
Delgado, Carlos Alberto Cardozo
Distribuição log-gamma generalizada
Distribuições assimétricas
Estimação por máxima verossimilhança penalizada
Modelos semiparamétricos
Observações censuradas
P-splines
Spline cúbico natural
title_short Semi-parametric generalized log-gamma regression models
title_full Semi-parametric generalized log-gamma regression models
title_fullStr Semi-parametric generalized log-gamma regression models
title_full_unstemmed Semi-parametric generalized log-gamma regression models
title_sort Semi-parametric generalized log-gamma regression models
author Delgado, Carlos Alberto Cardozo
author_facet Delgado, Carlos Alberto Cardozo
author_role author
dc.contributor.none.fl_str_mv Paula, Gilberto Alvarenga
dc.contributor.author.fl_str_mv Delgado, Carlos Alberto Cardozo
dc.subject.por.fl_str_mv Distribuição log-gamma generalizada
Distribuições assimétricas
Estimação por máxima verossimilhança penalizada
Modelos semiparamétricos
Observações censuradas
P-splines
Spline cúbico natural
topic Distribuição log-gamma generalizada
Distribuições assimétricas
Estimação por máxima verossimilhança penalizada
Modelos semiparamétricos
Observações censuradas
P-splines
Spline cúbico natural
description The central objective of this work is to develop statistical tools for semi-parametric regression models with generalized log-gamma errors under the presence of censored and uncensored observations. The estimates of the parameters are obtained through the multivariate version of Newton-Raphson algorithm and an adequate combination of Fisher Scoring and Backffitting algorithms. Through analytical tools and using simulations the properties of the penalized maximum likelihood estimators are studied. Some diagnostic techniques such as quantile and deviance-type residuals as well as local influence measures are derived. The methodologies are implemented in the statistical computational environment R. The package sglg is developed. Finally, we give some applications of the models to real data.
publishDate 2017
dc.date.none.fl_str_mv 2017-12-14
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 http://www.teses.usp.br/teses/disponiveis/45/45133/tde-15032018-185352/
url http://www.teses.usp.br/teses/disponiveis/45/45133/tde-15032018-185352/
dc.language.iso.fl_str_mv eng
language eng
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815258142128209920

Registros relacionados