Correção tipo-Bartlett à estatística gradiente nos modelos lineares generalizados superdispersados

Detalhes bibliográficos
Ano de defesa: 2019
Autor(a) principal: SANTOS, Joas Silva dos
Orientador(a): CYSNEIROS, Audrey Helen Mariz de Aquino
Banca de defesa: Não Informado pela instituição
Tipo de documento: Dissertação
Tipo de acesso: Acesso embargado
Idioma: por
Instituição de defesa: Universidade Federal de Pernambuco
Programa de Pós-Graduação: Programa de Pos Graduacao em Estatistica
Departamento: Não Informado pela instituição
País: Brasil
Palavras-chave em Português:
Link de acesso: https://repositorio.ufpe.br/handle/123456789/35326
Resumo: Os modelos lineares generalizados superdispersados (MLGS), propostos por Dey et al. (1997), permitem que tanto a média quanto a dispersão sejam modeladas simultaneamente no contexto dos modelos lineares generalizados. Os MLGS são muito úteis para modelar a dispersão quando a variância da variável resposta excede a variância nominal predita pelo modelo. Esta dissertação tem três objetivos. O primeiro, é reunir resultados importantes sobre correções de Bartlett e tipo-Bartlett para os testes da razão de verossimilhanças e escore nos MLGS, propostos na literatura. O segundo, é a obtenção de um fator de correção tipo-Bartlett, em notação matricial, à estatística gradiente para testar simultaneamente ou separadamente os efeitos da média e da dispersão. A estatística gradiente corrigida tem distribuição qui-quadrado até um erro de ordem n⁻¹ sob a hipótese nula. O terceiro, é apresentar resultados de simulação para averiguar o efeito das correções nos MLGS, no que tange ao tamanho e poder, em amostras finitas.