Buscar en Google Scholar
Título: A distribuição normal-valor extremo generalizado para a modelagem de dados limitados no intervalo unitário (0,1)
Asesor(es): Garibay Cancho, Vicente
Campo OCDE: http://purl.org/pe-repo/ocde/ford#1.01.03
Fecha de publicación: jun-2019
Institución: Universidade de São Paulo
Resumen: En este trabajo es introducido un nuevo modelo estadístico para modelar datos limitados en el intervalo continuo (0,1). El modelo propuesto es construido sobre una transformación de variables, donde la variable transformada es resultado de la combinación de una variable con distribución normal estándar y la función de distribución acumulada de la distribución valor extremo generalizado. Para el nuevo modelo son estudiados sus propiedades estructurales. El modelo propuesto es extendido para modelos de regresión, donde el modelo es reparametrizado en la mediana de la variable respuesta, y este conjuntamente con el parámetro de dispersión, son relacionados con covariables a través de una función de ligación. Los procedimientos inferenciales son desarrollados desde una perspectiva clásica y bayesiana por el método de máxima verosimilitud y el método de simulación Monte Carlo vía cadenas de Markov. Asimismo, son realizados estudios de simulación para evaluar el desempeño de las estimativas clásicas y bayesianas de los parámetros del modelo. Finalmente un conjunto de datos de cáncer colorrectal son estudiados para mostrar la aplicabilidad del modelo en que, en comparación con otros modelos, el modelo propuesto es el que mejor ajusta los datos.

Neste trabalho é introduzido um novo modelo estatístico para modelar dados limitados no intervalo continuo (0,1). O modelo proposto é construído sob uma transformação de variáveis, onde a variável transformada é resultado da combinação de uma variável com distribuição normal padrão e a função de distribuição acumulada da distribuição valor extremo generalizado. Para o novo modelo são estudadas suas propriedades estruturais. A nova família é estendida para modelos de regressão, onde o modelo é reparametrizado na mediana da variável resposta e este conjuntamente com o parâmetro de dispersão são relacionados com covariáveis através de uma função de ligação. Procedimentos inferenciais são desenvolvidos desde uma perspectiva clássica e bayesiana. A inferência clássica baseia-se na teoria de máxima verossimilhança e a inferência bayesiana no método de Monte Carlo via cadeias de Markov. Além disso estudos de simulação são realizados para avaliar o desempenho das estimativas clássicas e bayesianas dos parâmetros do modelo, em que, os estimadores de máxima verossimilhança dos parâmetros do modelo satisfazem as propriedades assintóticas. Finalmente um conjunto de dados de câncer colorretal é considerado para mostrar a aplicabilidade do modelo, em que, em comparação com outros modelos, o modelo proposto é o que melhor ajusta este conjunto de dados.
Disciplina académico-profesional: Ciencias naturales
Institución que otorga el grado o título: Universidade de São Paulo. Instituto de Ciências Matemáticas e de Computação
Grado o título: Magíster en Estadística
Fecha de registro: 3-oct-2020

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
RojasBenitesY.pdf
  Acceso restringido
Disertación (abierta en repositorio de origen)983.44 kBAdobe PDFVisualizar/Abrir  Solicita una copia
Autorizacion.pdf
  Acceso restringido
Autorización del registro1.26 MBAdobe PDFVisualizar/Abrir  Solicita una copia


IMPORTANTE
La información contenida en este registro es de entera responsabilidad de la universidad, institución o escuela de educación superior que administra el repositorio académico digital donde se encuentra el trabajo de investigación y/o proyecto, los cuales son conducentes a optar títulos profesionales y grados académicos. SUNEDU no se hace responsable por los contenidos accesibles a través del Registro Nacional de Trabajos de Investigación – RENATI.