[pt] MODELO POISSON-GAMA SEMI-PARAMÉTRICO: UMA ABORDAGEM DE PENALIZAÇÃO POR RUGOSIDADE

• Ano de defesa: 2004
• Autor(a) principal: WASHINGTON LEITE JUNGER
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: MAXWELL
• Palavras-chave em Português: [pt] SERIE TEMPORAL; [pt] POLUICAO DO AR; [pt] FATORES DE CONFUSAO; [pt] EPIDEMIOLOGIA; [pt] REGRESSAO NAO-PARAMETRICA; [en] TIME SERIE; [en] AIR POLLUTION; [en] CONFOUNDING FACTORS; [en] EPIDEMIOLOGY; [en] NONPARAMETRIC REGRESSION
• Link de acesso: https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4515&idi=1; https://www.maxwell.vrac.puc-rio.br/colecao.php?strSecao=resultado&nrSeq=4515&idi=2; http://doi.org/10.17771/PUCRio.acad.4515

[pt] Neste trabalho, os modelos Poisson-gama são estendidos para uma formulação mais geral onde o preditor linear das covariáveis é substituído por um preditor aditivo de funções genéricas destas covariáveis. Como nos modelos aditivos generalizados (MAG), as funções lineares das covariáveis constituem um caso particular de modelo aditivo e as funções suavizadores utilizadas são as splines cúbicas naturais. A formulação semi-paramétrica permite ampliar o campo de aplicação desta classe de modelos. Os modelos semi-paramétricos são estimados por um processo iterativo combinando maximização da verossimilhança e algoritmo backfitting. Todos os algoritmos de estimação e diagnósticos estão implementados nas linguagens de programação R e C.