Distribuições estáveis sob um enfoque Bayesiano: aplicações a dados de saúde pública

• Ano de defesa: 2021
• Autor(a) principal: Bussola, Daiane Priscila Sampaio
• 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: Bayesian methods; Dados de saúde pública; Distribuição estável; Métodos bayesianos; Modelos de regressão; Public health data; Regression models; Stable distributions
• Link de acesso: https://www.teses.usp.br/teses/disponiveis/17/17139/tde-04102021-165204/

Nesta dissertação é apresentada uma abordagem Bayesiana para distribuições estáveis na presença de covariáveis. Esta classe de distribuição, apesar da grande flexibilidade de ajuste para os dados, dado que a distribuição generaliza as distribuições gaussianas para diferentes situações de dados assimétricos e de cauda pesada, não é muito popular nas aplicações, pois não existe uma forma analítica para sua função densidade de probabilidade, que implica em grandes dificuldades para obter estimadores de máxima verossimilhança padrão para os parâmetros do modelo. Alternativamente, o uso de métodos Bayesianos pode ser uma boa alternativa para obter as inferências de interesse, especialmente usando métodos MCMC (Markov Chain Monte Carlo), mas em geral há grandes dificuldades para obter convergência dos algoritmos de simulação como o Gibbs padrão ou algoritmos de Metropolis-Hastingss em aplicações. Também é apresentado alguma discussão na escolha de distribuições a priori e, a introdução de modelos de regressão para os parâmetros de locação e escala da distribuição estável que pode ser muito útil em aplicações. Aplicações com conjuntos de dados reais são apresentadas para ilustrar a aplicabilidade da abordagem da modelagem proposta.