Detalhes bibliográficos
| Ano de defesa: |
1993 |
| Autor(a) principal: |
Sandoval, Monica Carneiro |
| Orientador(a): |
Não Informado pela instituição |
| Banca de defesa: |
Não Informado pela instituição |
| Tipo de documento: |
Tese
|
| Tipo de acesso: |
Acesso aberto |
| Idioma: |
por |
| Instituição de defesa: |
Biblioteca Digitais de Teses e Dissertações da USP
|
| 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://teses.usp.br/teses/disponiveis/45/45133/tde-20210729-004532/
|
Resumo: |
Dedicamos a primeira parte desta tese a previsao otima da funcao distribuicao sob modelos de superpopulacao gaussianos. Derivamos o previsor otimo e sua distribuicao assintotica sob o modelo de locacao, e para alguns modelos particulares e obtida uma aproximacao assintotica para a variancia preditiva dos previsores otimos. Estudos de monte carlo ilustram comparacoes entre os previsores otimos e alguns outros propostos na literatura. Na segunda parte desta tese, consideramos o problema de previsao em populacoes finitas sob modelos de superpopulacao com erros nas variaveis. Inicialmente, assumindo o modelo de locacao com erro de mensuracao, sao obtidos os previsores bayesianos e bayesianos empiricos do total e da variancia populacionais. Posteriormente, assumindo que o modelo com erro de mensuracao e um modelo de regressao linear estrutural consideramos previsores do tipo regressao para o total populacional e encontramos suas distribuicoes assintoticas. Ainda sob esse modelo, mas adotando o enfoque condicional com parametrizacao ortogonal, derivamos o previsor de minimos quadrados condicional e o previsorbayesiano sob uma priori nao informativa para os parametros ortogonais |
