Show simple item record

dc.creatorFreitas, Luiz Antonio de
dc.date.accessioned2016-06-02T20:06:11Z
dc.date.available2007-08-16
dc.date.available2016-06-02T20:06:11Z
dc.date.issued2005-12-13
dc.identifier.citationFREITAS, Luiz Antonio de. Modelo de regressão com erros normais assimétricos: uma abordagem bayesiana. 2005. 120 f. Dissertação (Mestrado em Ciências Exatas e da Terra) - Universidade Federal de São Carlos, São Carlos, 2005.por
dc.identifier.urihttps://repositorio.ufscar.br/handle/ufscar/4592
dc.description.abstractThe statistical analysis of the continuous data set has been developed in most cases for normal models, specially, in the linear and nom linear models context. In the simple linear regression models, even accepting as reasonable the normal error assumption, usually it can take misleading inferences for the parameter of interest. In the classical literature is supposed that the errors follow the normal distribution with zero mean and unknown variance. In this work, we intend to make the normality as-sumption flexible using a new class of asymmetric distributions. The first class considered was studied by Azzalini [3], which includes the normal distributions as a particular case. The second flexible class was introduced by Ma & Genton [22] and the third one is the extended normal distributions proposed by Arellano-Valle [2]. These two last ones had been enclosed as alternative proposals to the model of Azzalini [3]. With this purpose, inferences procedures based on Bayesian approaches, will be developed to estimate the parameters involved in the simple linear regression models with asymmetrical errors.eng
dc.description.sponsorshipFinanciadora de Estudos e Projetos
dc.formatapplication/pdfpor
dc.languageporpor
dc.publisherUniversidade Federal de São Carlospor
dc.rightsAcesso Abertopor
dc.subjectAnálise de regressãopor
dc.subjectInferência bayesianapor
dc.titleModelo de regressão com erros normais assimétricos: uma abordagem bayesianapor
dc.typeDissertaçãopor
dc.contributor.advisor1Rodrigues, Josemar
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/4359114733394761por
dc.description.resumoA análise estatística para o estudo de dados contínuos tem sido desenvolvida em grande parte combase nomodelo normal, que se destaca sobretudo no contexto de modelos lineares e não lineares. No estudo da regressão linear univariada, mesmo aceitando como razoável a suposição de simetria para os erros, em muitas situações práticas essa suposição de normalidade pode nos levar a inferências pouco apropriadas sobre os parâmetros de interesse. Na literatura clássica é suposto que os erros seguem uma distribuição normal com mé- dia zero e variância desconhecida. Neste trabalho, pretendemos flexibilizar essa suposição de normalidade, dispondo de novas classes de distribuições assimétricas. A primeira classe considerada é a proposta por Azzalini [3], que inclui a distribuição normal como um caso particular. A segunda é a dos modelos flexíveis de Ma & Genton [22] e a terceira é a classe de distribuições normais assimétricas estendidas, proposta por Arellano-Valle & Azzalini [2]. Estas duas últimas foram incluídas como propostas alternativas ao modelo de Az-zalini [3]. Com esse objetivo, métodos de inferência baseados na abordagem bayesiana, serão desenvolvidos para estimar os parâmetros envolvidos no modelo de regressão linear simples com erros assimétricos.por
dc.publisher.countryBRpor
dc.publisher.initialsUFSCarpor
dc.publisher.programPrograma de Pós-Graduação em Estatística - PPGEspor
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA::ESTATISTICApor


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record