Modelos lineares generalizados mistos com aplicações em atuária

Detalhes bibliográficos
Ano de defesa: 2008
Autor(a) principal: Baptistelli, Juliana Carpini
Orientador(a): Não Informado pela instituição
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso aberto
Idioma: por
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:
Link de acesso: https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122527/
Resumo: Em estudos multiovariadosa é comum a mesma unidade experimental ser medida várias vezes, seja variando as condições do experimento (medidas repetidas) ou quando é feito um acompanhamento ao longo do tempo (dados longitudinais). Na análise destas estruturas de dados, modelos de regresão clássicos não podem ser utilizados, pois a pressuposição básica de independência entre as observações não pode ser assumida. Uma forma de trabalhar a corelação entre as observações é aplicar o enfoque dos chamados modelos marginais, cujo principal exemplo desta linha de metodologias são as Equações de Estimação Generalizadas (EEGs), desenvolvidas e discutidas por Liang e Zeger. Um outro enfoque são os chamados modelos condicionais, nesta metodologia a inclusão de efeitos aleatórios permite que as observações condicionadas a estes efeitos sejam independentes. Uma parte dos modelos condicionais já foi amplamente estudada no caso do vetor de respostas condicionado seguir uma distribuição normal, esses modelos são conhecidos como Modelos Lineares Mistos (MLMs). Nessa dissertação de mestrado será apresentada a teoria dos Modelos Lineares Generalizados Mistos (MLGMs), que tem como objetivo estender as opções de distribuições do vetor de respostas condicionado para que este pertença à família exponencial de distribuições. Esta classe mais ampla engloba a distribuição normal como caso particular. Embora os MLGMs sejam definidos segundo uma estrutura condicional, a obtenção das estimativas de máxima verossimilhança é feita através de procedimentos marginais, alguns dos quais são discutidos com mais detalhes
id USP_f0a622882aefdd5c9d1757f7797d97cf
oai_identifier_str oai:teses.usp.br:tde-20220712-122527
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str
spelling Modelos lineares generalizados mistos com aplicações em atuárianot availablePesquisa E Planejamento EstatísticoEm estudos multiovariadosa é comum a mesma unidade experimental ser medida várias vezes, seja variando as condições do experimento (medidas repetidas) ou quando é feito um acompanhamento ao longo do tempo (dados longitudinais). Na análise destas estruturas de dados, modelos de regresão clássicos não podem ser utilizados, pois a pressuposição básica de independência entre as observações não pode ser assumida. Uma forma de trabalhar a corelação entre as observações é aplicar o enfoque dos chamados modelos marginais, cujo principal exemplo desta linha de metodologias são as Equações de Estimação Generalizadas (EEGs), desenvolvidas e discutidas por Liang e Zeger. Um outro enfoque são os chamados modelos condicionais, nesta metodologia a inclusão de efeitos aleatórios permite que as observações condicionadas a estes efeitos sejam independentes. Uma parte dos modelos condicionais já foi amplamente estudada no caso do vetor de respostas condicionado seguir uma distribuição normal, esses modelos são conhecidos como Modelos Lineares Mistos (MLMs). Nessa dissertação de mestrado será apresentada a teoria dos Modelos Lineares Generalizados Mistos (MLGMs), que tem como objetivo estender as opções de distribuições do vetor de respostas condicionado para que este pertença à família exponencial de distribuições. Esta classe mais ampla engloba a distribuição normal como caso particular. Embora os MLGMs sejam definidos segundo uma estrutura condicional, a obtenção das estimativas de máxima verossimilhança é feita através de procedimentos marginais, alguns dos quais são discutidos com mais detalhesnot availableBiblioteca Digitais de Teses e Dissertações da USPPaula, Gilberto AlvarengaBaptistelli, Juliana Carpini2008-05-16info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122527/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/openAccesspor2024-08-16T15:18:02Zoai:teses.usp.br:tde-20220712-122527Biblioteca 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:27212024-08-16T15:18:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Modelos lineares generalizados mistos com aplicações em atuária
not available
title Modelos lineares generalizados mistos com aplicações em atuária
spellingShingle Modelos lineares generalizados mistos com aplicações em atuária
Baptistelli, Juliana Carpini
Pesquisa E Planejamento Estatístico
title_short Modelos lineares generalizados mistos com aplicações em atuária
title_full Modelos lineares generalizados mistos com aplicações em atuária
title_fullStr Modelos lineares generalizados mistos com aplicações em atuária
title_full_unstemmed Modelos lineares generalizados mistos com aplicações em atuária
title_sort Modelos lineares generalizados mistos com aplicações em atuária
author Baptistelli, Juliana Carpini
author_facet Baptistelli, Juliana Carpini
author_role author
dc.contributor.none.fl_str_mv Paula, Gilberto Alvarenga
dc.contributor.author.fl_str_mv Baptistelli, Juliana Carpini
dc.subject.por.fl_str_mv Pesquisa E Planejamento Estatístico
topic Pesquisa E Planejamento Estatístico
description Em estudos multiovariadosa é comum a mesma unidade experimental ser medida várias vezes, seja variando as condições do experimento (medidas repetidas) ou quando é feito um acompanhamento ao longo do tempo (dados longitudinais). Na análise destas estruturas de dados, modelos de regresão clássicos não podem ser utilizados, pois a pressuposição básica de independência entre as observações não pode ser assumida. Uma forma de trabalhar a corelação entre as observações é aplicar o enfoque dos chamados modelos marginais, cujo principal exemplo desta linha de metodologias são as Equações de Estimação Generalizadas (EEGs), desenvolvidas e discutidas por Liang e Zeger. Um outro enfoque são os chamados modelos condicionais, nesta metodologia a inclusão de efeitos aleatórios permite que as observações condicionadas a estes efeitos sejam independentes. Uma parte dos modelos condicionais já foi amplamente estudada no caso do vetor de respostas condicionado seguir uma distribuição normal, esses modelos são conhecidos como Modelos Lineares Mistos (MLMs). Nessa dissertação de mestrado será apresentada a teoria dos Modelos Lineares Generalizados Mistos (MLGMs), que tem como objetivo estender as opções de distribuições do vetor de respostas condicionado para que este pertença à família exponencial de distribuições. Esta classe mais ampla engloba a distribuição normal como caso particular. Embora os MLGMs sejam definidos segundo uma estrutura condicional, a obtenção das estimativas de máxima verossimilhança é feita através de procedimentos marginais, alguns dos quais são discutidos com mais detalhes
publishDate 2008
dc.date.none.fl_str_mv 2008-05-16
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://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122527/
url https://teses.usp.br/teses/disponiveis/45/45133/tde-20220712-122527/
dc.language.iso.fl_str_mv por
language por
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_ 1815258340785127424