???item.export.label??? ???item.export.type.endnote??? ???item.export.type.bibtex???

Please use this identifier to cite or link to this item: http://www.tede2.ufrpe.br:8080/tede2/handle/tede2/4480
Full metadata record
DC FieldValueLanguage
dc.creatorPRUDENTE, Andréa Andrade-
dc.creator.Latteshttp://lattes.cnpq.br/2983396488721147por
dc.contributor.advisor1SANTOS, Eufrázio de Souza-
dc.contributor.advisor-co1CORDEIRO, Gauss Moutinho-
dc.contributor.referee1CRISTINO, Cláudio Tadeu-
dc.contributor.referee2CYSNEIROS, Francisco José de Azevedo-
dc.contributor.referee3FERNANDES, Gilênio Borges-
dc.date.accessioned2016-05-20T14:30:00Z-
dc.date.issued2009-03-18-
dc.identifier.citationPRUDENTE, Andréa Andrade. Modelos não-lineares de regressão: alguns aspectos de teoria assintótica. 2009. 109 f. Dissertação (Programa de Pós-Graduação em Biometria e Estatística Aplicada) - Universidade Federal Rural de Pernambuco, Recife.por
dc.identifier.urihttp://www.tede2.ufrpe.br:8080/tede2/handle/tede2/4480-
dc.description.resumoEsta dissertação tem como objetivo principal apresentar expressões para os vieses de segunda ordem dos estimadores de máxima verossimilhança dos parâmetros do modelo linear generalizado de Weibull (MLGW), utilizando-as para obter estimadores corrigidos. Com o intuito de reduzir os vieses destes estimadores, em amostras de tamanho finito, utilizou-se a correção do viés pelo uso da equação de Cox e Snell (1968). Esse modelo permite a utilização de uma função de ligação para relacionar o vetor dos parâmetros de escala da distribuição de Weibull (parte da média) ao preditor linear. Um objetivo secundário foi revisar os modelos normais não-lineares, contemplando o método de mínimos quadrados para estimação dos seus parâmetros, alguns resultados assintóticos, medidas de não-linearidade e técnicas de diagnóstico, pois ao contrário dos modelos lineares, a qualidade e, principalmente, a validade dos seus ajustes são avaliadas não só por meio de diagnósticos de regressão, mas pela extensão do comportamento nãolinear. Por fim, foi apresentada, também, uma sucinta descrição dos modelos lineares generalizados (MLG) e a aplicabilidade do modelo gama. Dados reais foram analisados para demonstrar a aplicabilidade dos modelos propostos. Estas análises foram realizadas no ambiente de programação, análise de dados e gráficos R.por
dc.description.abstractThe main objective in this dissertation is to derive expressions for the second-order biases of the maximum likelihood estimators of the parameters of the Weibull generalized linear model (WGLM), which are useful to define corrected estimators. In order to reduce the bias of these estimators in finite sample sizes, the method of bias correction introduced by Cox and Snell (1968) was used. The new model adopts a link function which relates the vector of scale parameters of the Weibull distribution to a linear predictor. As a second objective, a revision of the normal non-linear models was also presented, including the method of least squares for estimating the parameters, some asymptotic results, measures of nonlinearity and diagnostic techniques, because in contrast to linear models, quality and, especially, the validity of their fits are evaluated not only by means of regression diagnostics, but also with the extent of the non-linear behavior. Finally, a brief description of generalized linear models (GLM) is given and the applicability of the model range. Real data sets were analyzed to demonstrate the applicability of the proposed models. These tests were conducted in the R environment for programming, data analysis, andgraphics.eng
dc.description.provenanceSubmitted by (ana.araujo@ufrpe.br) on 2016-05-20T14:30:00Z No. of bitstreams: 1 Andrea Andrade Prudente.pdf: 1364424 bytes, checksum: 52db48248a4f42fd96b6ee53463083eb (MD5)eng
dc.description.provenanceMade available in DSpace on 2016-05-20T14:30:00Z (GMT). No. of bitstreams: 1 Andrea Andrade Prudente.pdf: 1364424 bytes, checksum: 52db48248a4f42fd96b6ee53463083eb (MD5) Previous issue date: 2009-03-18eng
dc.description.sponsorshipConselho Nacional de Pesquisa e Desenvolvimento Científico e Tecnológico - CNPqpor
dc.formatapplication/pdf*
dc.languageporpor
dc.publisherUniversidade Federal Rural de Pernambucopor
dc.publisher.departmentDepartamento de Estatística e Informáticapor
dc.publisher.countryBrasilpor
dc.publisher.initialsUFRPEpor
dc.publisher.programPrograma de Pós-Graduação em Biometria e Estatística Aplicadapor
dc.rightsAcesso Abertopor
dc.subjectAnálise de diagnósticopor
dc.subjectMedidas de não linearidadepor
dc.subjectMínimos quadradospor
dc.subjectModelo de regressão de Weibullpor
dc.subjectModelo gamapor
dc.subjectModelo normal não linearpor
dc.subjectDiagnostic analysiseng
dc.subjectWeibull regression modeleng
dc.subjectGamma modeleng
dc.subjectNormal non-linear modeleng
dc.subject.cnpqCIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICApor
dc.titleModelos não-lineares de regressão : alguns aspectos de teoria assintóticapor
dc.typeDissertaçãopor
Appears in Collections:Mestrado em Biometria e Estatística Aplicada

Files in This Item:
File Description SizeFormat 
Andrea Andrade Prudente.pdfDocumento principal1,33 MBAdobe PDFDownload/Open Preview


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.