Diagnóstico de influência em modelos de regressão para dados censurados utilizando distribuições de caudas pesadas

• Ano de defesa: 2016
• Autor(a) principal: Isabel Cristina Gomes
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Universidade Federal de Minas Gerais; UFMG
• Palavras-chave em Português: Diagnóstico de influência; Dados censurados; Distribuições Normais/Independentes; Modelos de regressão; Análise de regressão; Estatística; Estatistica; Distribuições de caudas pesadas
• Link de acesso: http://hdl.handle.net/1843/ICED-AM6U69

A ampla utilização dos modelos de regressão para descrever fenômenos em diversas áreas do conhecimento motiva as pesquisas estatísticas a aperfeiçoar a formulação destas técnicas. Uma etapa importante da modelagem que tem recebido atenção especial na literatura estatística é a análise de influência, definida como o estudo da dependência dos resultados fornecidos pelo modelo a pequenas perturbações em sua elaboração. O objetivo deste trabalho é construir medidas de influência global e local, considerando variável resposta censurada, para os modelos regressão linear e não linear utilizando distribuições da família Normal/Independente, e para modelos de regressão linear para dados longitudinais utilizando distribuição t de Student multivariada e estrutura de correlação damped exponential. Especificamente o foco é comparar os resultados obtidos na análise de influência feita via modelo Normal com os obtidos utilizando-se as distribuições de caudas pesadas. Os resultados obtidos via estudos de simulação e aplicações mostraram que os modelos de caudas pesadas são menos influenciados por observações discrepantes que o modelo Normal. Os achados deste estudo comprovam que além de gerarem resultados mais robustos na estimação, os modelos de caudas pesadas fornecem resultados mais estáveis, na presença de observações atípicas, que o modelo Normal.