Refinamento de inferências na distribuição Birnbaum-Saunders generalizada com núcleos normal e t de Student sob censura tipo II

Detalhes bibliográficos
Ano de defesa: 2013
Autor(a) principal: BARRETO, Larissa Santana
Orientador(a): CRIBARI-NETO, Francisco
Banca de defesa: Não Informado pela instituição
Tipo de documento: Tese
Tipo de acesso: Acesso aberto
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Não Informado pela instituição
Departamento: Não Informado pela instituição
País: Não Informado pela instituição
Palavras-chave em Português:
Link de acesso: https://repositorio.ufpe.br/handle/123456789/12339
Resumo: Frequentemente temos interesse em realizar inferências, em um determinado modelo, envolvendo apenas alguns dos seus parâmetros. Tais inferências podem ser feitas através da função de verossimilhança perfilada. Contudo, alguns problemas podem surgir quando tratamos a função de verossimilhança perfilada como uma verossimilhança genuína. Com o objetivo de solucionar estes problemas, vários pesquisadores, dentre eles Barndorff-Nielsen (1983, 1994) e Cox & Reid (1987, 1992), propuseram modificações à função de verossimilhança perfilada. O principal objetivo deste trabalho é utilizar a verossimilhança perfilada e seus ajustes propostos por Barndorff-Nielsen (1983,1994) e Cox & Reid (1987,1992) no aperfeiçoamento de inferências para a distribuição Birnbaum-Saunders generalizada com núcleos normal e t de Student, na presença, ou não, de censura tipo II. Mais precisamente obtemos os estimadores de máxima verossimilhança relacionados às funções de verossimilhança perfilada e perfiladas ajustadas; calculamos os intervalos de confiança do tipo assintótico, bootstrap percentil, bootstrap BCa e bootstrap-t e também apresentamos os testes da razão de verossimilhanças ajustados, o teste bootstrap paramétrico e o teste gradiente. Através de simulações de Monte Carlo avaliamos os desempenhos dos testes e dos estimadores pontuais e intervalares propostos. Os resultados evidenciam que tanto os testes quanto os estimadores baseados nas versões modificadas da verossimilhança perfilada possuem desempenho superior em pequenas amostras quando comparados com suas contrapartidas não modificadas. Adicionalmente, apresentamos alguns exemplos práticos para ilustrar tudo o que foi desenvolvido.