Mostrar el registro sencillo del ítem
O método de máxima Lq-verossimilhança em modelos com erros de medição
dc.contributor.author | Cavalieri, Jacqueline | |
dc.date.accessioned | 2016-06-02T20:06:05Z | |
dc.date.available | 2012-04-04 | |
dc.date.available | 2016-06-02T20:06:05Z | |
dc.date.issued | 2012-02-29 | |
dc.identifier.citation | CAVALIERI, Jacqueline. O método de máxima Lq-verossimilhança em modelos com erros de medição. 2012. 100 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2012. | por |
dc.identifier.uri | https://repositorio.ufscar.br/handle/ufscar/4554 | |
dc.description.abstract | In this work we consider a new estimator proposed by Ferrari & Yang (2010), called the maximum Lq-likelihood estimator (MLqE), to estimate the parameters of the measurement error models, in particular, the structural model. The new estimator extends the classical maximum likelihood estimator (MLE) and its based on the minimization, by means of the Kullback-Leibler (KL) divergence, of the discrepancy between a distribuiton in a family and one that modifies the true distribution by the degree of distortion q. Depending on the choice of q, the transformed distribution can diminish or emphasize the role of extreme observations, unlike the ML method that equally weights each observation. For small and moderate sample sizes, the MLqE can trade bias for precision, causing a reduction of the mean square error (MSE). The structural model has the characteristic of non-identifiability. For this reason, we must make assumptions on the parameters to overcome the non-identifiability. We perform a analytical study and a simulation study to compare MLqE and MLE. To gauge performance of the estimators, we compute measures of overall performance, bias, standard deviation, standard error, MSE, probability of coverage and length of confidence intervals. | eng |
dc.description.sponsorship | Financiadora de Estudos e Projetos | |
dc.format | application/pdf | por |
dc.language | por | por |
dc.publisher | Universidade Federal de São Carlos | por |
dc.rights | Acesso Aberto | por |
dc.subject | Estatística | por |
dc.subject | Estimador de máxima verossimilhança | por |
dc.subject | Estimador de máxima Lq-verossimilhança | por |
dc.subject | Modelos com erros de medição | por |
dc.subject | Modelo estrutural | por |
dc.subject | Maximum likelihood estimator | eng |
dc.subject | Maximum Lq-likelihood estimator | eng |
dc.subject | Measurement error models | eng |
dc.subject | Structural models | eng |
dc.title | O método de máxima Lq-verossimilhança em modelos com erros de medição | por |
dc.type | Dissertação | por |
dc.contributor.advisor1 | Andrade Filho, Mario de Castro | |
dc.contributor.advisor1Lattes | http://lattes.cnpq.br/6518161034709249 | por |
dc.description.resumo | Neste trabalho utilizaremos um novo estimador proposto por Ferrari & Yang (2010), denominado de estimador de máxima Lq-verossimilhança (EMLqV), na estimação dos parâmetros de modelos com erros de medição estruturais normais. O novo estimador é uma generalização do estimador de máxima verossimilhança (EMV) usual e sua construção baseia-se na comparação, utilizando divergência de Kullback-Leibler (KL), entre duas distribuições, a distribuição inalterada e a distribuição modificada pelo grau de distorção da função de verossimilhança (q). Conforme a escolha para q, a distribuição modificada poderá atenuar ou exaltar o papel das observações extremas, diferentemente do EMV usual que atribui os mesmos pesos a todas as observações. Na comparação entre as duas distribuições pela divergência de KL é inserida certa quantidade de viés no estimador resultante, que é controlada pelo parâmetro q. O aumento do viés do estimador MLqV pode ser compensado com a redução de sua variância, pela escolha apropriada de q. O modelo estrutural possui a característica de ser inidentificável. Para torná-lo identificável faremos suposições sobre os parâmetros do modelo, analisando cinco casos de identificabilidade do modelo. A comparação entre os métodos MLqV e MV na estimação dos parâmetros do modelo será baseada em resultados analíticos e em simulações, sendo calculadas medidas de desempenho global, viés, desvio padrão (DP), erro padrão estimado (EP), erro quadrático médio (EQM), probabilidade de cobertura e amplitude dos intervalos de confiança. | por |
dc.publisher.country | BR | por |
dc.publisher.initials | UFSCar | por |
dc.publisher.program | Programa de Pós-Graduação em Estatística - PPGEs | por |
dc.subject.cnpq | CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICA | por |
dc.contributor.authorlattes | http://lattes.cnpq.br/4356917080257702 | por |