Detalhes bibliográficos
| Ano de defesa: |
2011 |
| Autor(a) principal: |
Godoi, Luciana Graziela de |
| 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-20220712-125841/
|
Resumo: |
Neste trabalho, desenvolvemos uma análise de sensibilidade global para medir a robustez de estimadores bayesianos, com respeito a uma classe de distribuições a priori gerada à partir de modos de contaminação multiplicativo de uma distribuição a priori base, com estrutura similar ao considerado por van der Linde (2007). A esta classe denominamos classe de contaminação multiplicativa (\0413 M) e mostramos que, para particulares especificações, esta contém famílias de distribuições assimétricas conhecidas na literatura. Aqui, exploramos a classe de contaminação multiplicativa normal-assimétrica em vários contextos, a saber: como distribuição a priori do parâmetro de posição de um modelo normal, com variância conhecida e desconhecida, e como distribuição a priori do parâmetro regressor de um modelo linear normal, com a variância dos erros conhecida e desconhecida. Resultados de conjugação e expressões para medidas de distância entre as médias (variâncias) a posteriori fornecidas por \0413 M e a média (variância) a posteriori resultante da distribuição a priori base são apresentados. Através de um estudo de simulação, analisamos o comportamento das médias e das variâncias a posteriori, quando o modelo normal com variância desconhecida é considerado. Para o modelo de regressão, analisamos um conjunto de dados reais, fazendo uso da teoria desenvolvida. Por fim, mudamos o enfoque da análise de sensibilidade bayesiana, ao estudar a influência da classe de contaminação a priori normal-assimétrica sobre a distribuição a posteriori como um todo, comparando espaços de probabilidade a posteriori via função de concentração |
