Um novo modelo de regressão para dados em Z

• Ano de defesa: 2019
• Autor(a) principal: Medeiros, Rodrigo Matheus Rocha de
• Orientador(a): Pereira, Marcelo Bourguignon
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Programa de Pós-Graduação: PROGRAMA DE PÓS-GRADUAÇÃO EM MATEMÁTICA APLICADA E ESTATÍSTICA
• País: Brasil
• Palavras-chave em Português: Análise de diagnóstico; Amostras pareadas de contagens; Distribuição Laplace discreta assimétrica; Estimação por máxima verossimilhança; Modelos de regressão
• Área do conhecimento CNPq: CNPQ::CIENCIAS EXATAS E DA TERRA::MATEMATICA
• Link de acesso: https://repositorio.ufrn.br/jspui/handle/123456789/28020

Existem várias situações práticas nas quais é de interesse modelar eventos associados com variáveis que assumem valores discretos. Até o momento, as teorias que foram construídas e aperfeiçoadas para a análise de observações com esta natureza possuem ênfase na modelagem de dados discretos não-negativos. Entretanto, observações discretas que possam assumir qualquer valor no conjunto dos números inteiros Z = {. . . , −2, −1, 0, 1, 2, . . .} também podem ser encontradas em diferentes contextos. O objetivo principal desta dissertação consiste em propor uma nova parametrização para distribuição Laplace discreta assimétrica (KOZUBOWSKI; INUSAH, 2006), em termos da média e de um parâmetro de dispersão, e então de nir um novo modelo de regressão capaz de modelar observações que assumem valores em Z com base nesta distribuição. Consideramos o estimador de máxima verossimilhança para a etapa de estimação dos parâmetros desconhecidos do modelo. Propomos métodos de diagnósticos para avaliar a qualidade do ajuste. Realizamos alguns estudos de simulação para veri car o desempenho dos estimadores, das estatísticas do teste e dos resíduos propostos. Por m, aplicamos o modelo em dois conjuntos de dados reais.