• 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
 
 
Tese de Doutorado
DOI
https://doi.org/10.11606/T.45.2004.tde-20210729-140900
Documento
Autor
Nome completo
Daisy Gomes de Souza Tu
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2003
Orientador
Título em português
Regressão com erros de medida e pontos de mudança utilizando metodologia bayesiana.
Palavras-chave em português
Inferência Estatística
Resumo em português
O objetivo principal dese estudo foi analisar os modelos de regressão linear estrutural Normal e t-Student com erros nas variáveis, com mudança abrupta em um ou mais parâmetros após o k-ésimo ponto desconhecido (ponto de mudança) de uma seqüência finita de observações, utilizando métodos bayesianos de análise de dados. A análise inferencial envolveu o problema de detectar a existência de mudança nos parâmetros, estimar o ponto de mudança k e os demais parâmetros, e também fazer a análise preditiva. O modelo Normal com erros de medida e sem pontos de mudança foi analisado sob diferentes escolhas de distribuição à priori incluindo também prioris impróprias. Foram demonstrados teoremas que estabelecem condições para a existência das distribuiçòes posterioris nos modelos Normal e t-Student com erros deoendentes (com e sem ponto de mudança) sob algumas escolhas específicas de prioris impróprias. Alguns algoritmos do tipo MCMC ('Markov Chain Monte Carlo') foram utilizados com o objetivo de amostrar das posterioris, como os algoritmos de 'Gibbs', 'Grouped Gibbs', 'Modified and Collapsed Gibbs' e 'Metrópolis-Hastings em Gibbs'. Foi feita uma análise de sensibilidade a variações nos valores dos seguintes hiperparâmetros: razão das variâncias residuais (nos modelos identificáveis) e o número de graus de liberdade da distribuição t (quando este é assumido conhecido). A qualidade do ajuste dos modelos foi avaliada utilizando resíduos bayesianos de validação cruzada
Título em inglês
not available
Resumo em inglês
not available
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
TuDaisyGomesSouza.pdf (13.53 Mbytes)
Data de Publicação
2021-07-29
 
AVISO: Saiba o que são os trabalhos decorrentes clicando aqui.
Todos os direitos da tese/dissertação são de seus autores
CeTI-SC/STI
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2022. Todos os direitos reservados.