• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Thèse de Doctorat
DOI
https://doi.org/10.11606/T.104.2024.tde-30072024-110832
Document
Auteur
Nom complet
Daniel Camilo Fuentes Guzman
Adresse Mail
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2024
Directeur
Jury
Louzada Neto, Francisco (Président)
Diniz, Carlos Alberto Ribeiro
Gonzatto Junior, Oilson Alberto
Ramos, Pedro Luiz
Zeller, Camila Borelli
Titre en anglais
Influence Diagnostics in Linear Censored Regression Models with Skew Scale Mixtures of Normal Distributions
Mots-clés en anglais
Algorithm
Censoring
Diagnostics
Distributions
EM
Influence
Linear
Mean-Shift
Mixtures of normal
Models
Outlier
Regression
Scale
Skew
SSMN
Resumé en anglais
In this research, we conducted studies on local and global influence diagnostics for Censored Linear Regression Models with Skew Scale Mixtures of Normal Distributions (SSMN-CR), proposed by Guzman, Ferreira and Zeller (2020). Initially, we discussed methods for generating censored data, specifically presenting methods to generate randomly censored data with both unilateral and interval censoring. Subsequently, we addressed case deletion and local influence diagnostics based on the Q function, inspired by the findings of Zhu et al. (2001) and Zhu and Lee (2001). To analyze the sensitivity of the maximum likelihood estimators of the SSMN-CR model parameters to small perturbations in assumptions and/or data, we considered various perturbation schemes, such as case weighting, explanatory variables, response variables, and perturbations in scale and skewness parameters. To illustrate the usefulness of the proposed methodology, we presented the analysis of a real dataset and three simulation studies.
Titre en portugais
Diagnóstico de influência em modelos de regressão linear censurada com distribuições de misturas de escala assimétrica de normais
Mots-clés en portugais
Algoritmo
Assimetria
Censura
Diagnóstico
Distribuições
EM
Influência
Linear
Mean-Shift
Misturas de escala
Modelos
Normais
Outlier
Regressão
Resumé en portugais
Nesta pesquisa, conduzimos estudos de diagnóstico de influência local e global para modelos de regressão linear com censura e misturas de escala assimétrica de distribuições normais, propostos por Guzman, Ferreira and Zeller (2020) e denotados como SSMN-CR. Inicialmente, discutimos métodos para gerar dados censurados, apresentando especificamente métodos para gerar dados censurados aleatórios com censura unilateral e intervalar. Posteriormente, abordamos a exclusão de casos e o diagnóstico de influência local com base na função Q, inspirada nas descobertas de Zhu et al. (2001) e Zhu and Lee (2001). Para analisar a sensibilidade dos estimadores de máxima verossimilhança dos parâmetros do modelo SSMN-CR a pequenas perturbações nos pressupostos e/ou dados, consideramos vários esquemas de perturbação, como ponderação de casos, variáveis explicativas, variáveis resposta e perturbações nos parâmetros de escala e assimetria. Para ilustrar a utilidade da metodologia proposta, apresentamos a análise de um conjunto de dados reais e três estudos de simulação.
 
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2024-07-30
 
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées cliquant ici.
Tous droits de la thèse/dissertation appartiennent aux auteurs
CeTI-SC/STI
Bibliothèque Numérique de Thèses et Mémoires de l'USP. Copyright © 2001-2024. Tous droits réservés.