Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade

• Ano de defesa: 2011
• Autor(a) principal: Campos, Aline Minniti de
• Tipo de documento: Dissertação
• Tipo de acesso: Acesso aberto
• Idioma: por
• Instituição de defesa: Biblioteca Digitais de Teses e Dissertações da USP
• Palavras-chave em Português: Assimetria; Asymmetry; Bayesian inference; Growth models; Heteroscedasticidade; Heteroscedasticity; Inferência bayesina; Modelos de crescimento
• Link de acesso: http://www.teses.usp.br/teses/disponiveis/55/55134/tde-18112011-161305/

Esta dissertação flexibiliza a suposição de normalidade, dispondo de distribuições assimétricas em modelos de crescimento. Propõe uma abordagem bayesiana para ajuste de modelos não lineares quando a suposição de normalidade para os erros não é razoável e/ou apresentam heteroscedasticidade. Assim, adota-se as distribuições skew-normal e skew-t para as situações em que é necessário modelar dados com caudas mais pesadas ou mais leves que a normal e assimétricos; sendo que é considerado também a presença de heteroscedasticidade. Diferentes funções são utilizadas na estrutura multiplicativa para modelar a variância. Com esse objetivo, métodos de inferência na abordagem bayesiana são desenvolvidos para estimar os parâmetros dos modelos de regressão não linear com os erros seguindo as distribuições citadas anteriormente. A metodologia visa aplicação à curvas de crescimento para dados de árvores