dc.contributor.author | Macerau, Walkiria Maria de Oliveira | |
dc.date.accessioned | 2023-08-01T13:32:37Z | |
dc.date.available | 2023-08-01T13:32:37Z | |
dc.date.issued | 2023-06-28 | |
dc.identifier.citation | MACERAU, Walkiria Maria de Oliveira. Métodos Bayesianos para seleção de modelos de mistura de distribuições normais e t de Student assimétricas. 2023. Tese (Doutorado em Estatística) – Universidade Federal de São Carlos, São Carlos, 2023. Disponível em: https://repositorio.ufscar.br/handle/ufscar/18350. | * |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/18350 | |
dc.description.abstract | In this work, we consider mixture models whose components of the mixture are modeled by the skew normal and skew t distributions. For the estimation of these skew mixtures models, we used a Bayesian approach, via Markov Chain Monte Carlo methods (MCMC), since this approach allows the development of a joint estimation procedure of the mixture components number and the associated parameters of the mixture components. We also use the Reversible jump method and propose the use of the Data-driven Reversible jump method for modelling the mixture of skew normal and skew t distributions, both to adjust and select the number of components of the mixture. We compare the performances of these two methods (Reversible jump and Data-driven Reversible jump) for selecting the best model through simulations. The Data-driven Reversible jump method was more accurate in pointing out the best model in the simulation studies carried out. | eng |
dc.description.sponsorship | Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) | por |
dc.language.iso | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Attribution 3.0 Brazil | * |
dc.rights.uri | http://creativecommons.org/licenses/by/3.0/br/ | * |
dc.subject | Modelos de mistura | por |
dc.subject | Distribuições assimétricas | por |
dc.subject | Inferência Bayesiana | por |
dc.subject | MCMC | por |
dc.subject | Data-driven Reversible jump | eng |
dc.subject | Mixture models | eng |
dc.subject | Asymetric distributions | eng |
dc.subject | Bayesian Inference | eng |
dc.title | Métodos Bayesianos para seleção de modelos de mistura de distribuições normais e t de Student assimétricas | por |
dc.title.alternative | Bayesian methods for selection of the skew normal and skew t mixture models | eng |
dc.type | Tese | por |
dc.contributor.advisor1 | Milan, Luis Aparecido | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/7435391829973844 | por |
dc.description.resumo | Neste trabalho, consideramos modelos de mistura cujas componentes da mistura são modelados pelas distribuições normal assimétrica e t de Student assimétrica. Para a estimação desses modelos de mistura de distribuições assimétricas, consideramos a abordagem Bayesiana, via métodos de Monte Carlo em Cadeias de Markov (MCMC), uma vez que essa abordagem permite o desenvolvimento de um procedimento de estimação conjunta do número de componentes da mistura e dos parâmetros associados as componentes da mistura. Também empregamos o método Reversible jump e propomos o método Data-driven Reversible jump, para modelar a mistura das distribuições normais assimétricas e t de Student assimétricas, tanto para ajustar quanto para selecionar o número de componentes da mistura. Comparamos o desempenho desses dois métodos (Reversible jump e Data-driven Reversible jump) para selecionar o melhor modelo por meio de simulações. O método Data-driven Reversible jump foi mais preciso em apontar o melhor modelo nos estudos de simulação realizados. | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa Interinstitucional de Pós-Graduação em Estatística - PIPGEs | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA::ANALISE DE DADOS | por |
dc.description.sponsorshipId | 88882.427020/2019-01 | por |
dc.publisher.address | Câmpus São Carlos | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/9334093984788993 | por |
dc.contributor.authororcid | https://orcid.org/0000-0001-6466-7865 | por |
dc.contributor.advisor1orcid | https://orcid.org/0000-0001-6466-7865 | por |