• 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
 
 
Tesis Doctoral
DOI
https://doi.org/10.11606/T.104.2024.tde-30072024-110832
Documento
Autor
Nombre completo
Daniel Camilo Fuentes Guzman
Dirección Electrónica
Instituto/Escuela/Facultad
Área de Conocimiento
Fecha de Defensa
Publicación
São Carlos, 2024
Director
Tribunal
Louzada Neto, Francisco (Presidente)
Diniz, Carlos Alberto Ribeiro
Gonzatto Junior, Oilson Alberto
Ramos, Pedro Luiz
Zeller, Camila Borelli
Título en inglés
Influence Diagnostics in Linear Censored Regression Models with Skew Scale Mixtures of Normal Distributions
Palabras clave en inglés
Algorithm
Censoring
Diagnostics
Distributions
EM
Influence
Linear
Mean-Shift
Mixtures of normal
Models
Outlier
Regression
Scale
Skew
SSMN
Resumen en inglés
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.
Título en portugués
Diagnóstico de influência em modelos de regressão linear censurada com distribuições de misturas de escala assimétrica de normais
Palabras clave en portugués
Algoritmo
Assimetria
Censura
Diagnóstico
Distribuições
EM
Influência
Linear
Mean-Shift
Misturas de escala
Modelos
Normais
Outlier
Regressão
Resumen en portugués
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.
 
ADVERTENCIA - La consulta de este documento queda condicionada a la aceptación de las siguientes condiciones de uso:
Este documento es únicamente para usos privados enmarcados en actividades de investigación y docencia. No se autoriza su reproducción con finalidades de lucro. Esta reserva de derechos afecta tanto los datos del documento como a sus contenidos. En la utilización o cita de partes del documento es obligado indicar el nombre de la persona autora.
Fecha de Publicación
2024-07-30
 
ADVERTENCIA: Aprenda que son los trabajos derivados haciendo clic aquí.
Todos los derechos de la tesis/disertación pertenecen a los autores
CeTI-SC/STI
Biblioteca Digital de Tesis y Disertaciones de la USP. Copyright © 2001-2024. Todos los derechos reservados.