• 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
 
 
Doctoral Thesis
DOI
https://doi.org/10.11606/T.45.2015.tde-20230727-112929
Document
Author
Full name
Luz Marina Rondon Poveda
E-mail
Institute/School/College
Knowledge Area
Date of Defense
Published
São Paulo, 2015
Supervisor
Title in Portuguese
Modelos semiparamétricos com erros da classe de distribuições de mistura na escala normal: uma abordagem Bayesiana
Keywords in Portuguese
Heteroscedasticidade
Inferência Estatística
Abstract in Portuguese
Neste trabalho estudamos modelos de regressão semiparamétricos sob a abordagem bayesiana, em que sua componente aleatória é descrita usando distribuições de mistura normal na escala, as quais incluem distribuições bem conhecidas como a normal, t-Student, slash, normal contaminada, Laplace e hiperbólica simétrica. Na primeira parte do trabalho, estudamos a inferência e diagnóstico nos modelos semiparamétricos aditivos elípticos generalizados, em que o parâmetro de localização bem como o de dispersão incluem componentes não paramétricas aditivas aproximadas usando B-splines. Em seguida, estudamos a versão estrutural sistemática destes modelos admite variáveis explicativas com e sem erro de medição bem como a presença de efeitos não lineares aproximados usando B-splines. Com o objetivo de gerar amostras da distribuição a posteriori dos parâmetros dos modelos estudados, propomos algoritmos MCMC eficientes. Adicionalmente, desenvolvemos o pacote BayesGESM na linguagem R, o qual é uma ferramenta computacional para aplicar os métodos estatísticos estudados neste trabalho.
Title in English
not available
Abstract in English
not available
 
WARNING - Viewing this document is conditioned on your acceptance of the following terms of use:
This document is only for private use for research and teaching activities. Reproduction for commercial use is forbidden. This rights cover the whole data about this document as well as its contents. Any uses or copies of this document in whole or in part must include the author's name.
Publishing Date
2023-07-27
 
WARNING: Learn what derived works are clicking here.
All rights of the thesis/dissertation are from the authors
CeTI-SC/STI
Digital Library of Theses and Dissertations of USP. Copyright © 2001-2024. All rights reserved.