Modelos lineares com erros slash-elípticos: uma abordagem em influência loca

Autor: Cristina Alcantara de Souza, Izabel
Jazyk: portugalština
Rok vydání: 2009
Předmět:
Zdroj: Repositório Institucional da UFPEUniversidade Federal de PernambucoUFPE.
Druh dokumentu: masterThesis
Popis: Made available in DSpace on 2014-06-12T18:02:07Z (GMT). No. of bitstreams: 2 arquivo3845_1.pdf: 626461 bytes, checksum: f4fcd2f2252f2f1a26629afb71adf096 (MD5) license.txt: 1748 bytes, checksum: 8a4605be74aa9ea9d79846c1fba20a33 (MD5) Previous issue date: 2009
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior
As distribuições de probabilidade geralmente utilizadas para modelagem de dados quando há simetria no comportamento dos erros do modelo são as pertencentes a família elíptica, sendo a distribuição normal a mais utilizada na literatura dentre todas as distribuições elípticas. Neste trabalho abordaremos uma outra classe de distribuiçoes que apresenta a propriedade de simetria proposta recentemente por Gómez, Quintana e Torres (2007), denominada de distribuição slash-elíptica. A distribuição slashel elíptica apresenta como principal característica uma maior flexibilidade quanto ao grau da curtose frente a distribuição elíptica, além de conter a família elíptica como um caso limite. Propomos uma metodologia de estimação, testes de hipóteses, análise de resíduos e diagnóstico para a classe de modelos lineares com erros slash-elípticos com parâmetro conhecido. Apresentamos duas aplicac¸ oes para exemplificar a metodologia proposta. O primeiro conjunto de dados analisados refere-se aos dados de salinidade do rio Pamlico Sound na Carolina do Norte - EUA apresentado por Rupppert e Carroll (1980). O segundo conjunto de dados analisados refere-se a um experimento de 21 dias de observac¸ oes de um planta sujeita a oxidac¸ ao de am onia a ´acido n´ıtrico. Para os dois conjuntos de dados, consideramos os modelos el´ıpticos normal e t-Student, e os modelos slash-normal e slash-t-Student, com o objetivo de realizar uma comparac¸ ao emp´ırica entre os mesmos.
Databáze: Networked Digital Library of Theses & Dissertations