Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/12115
Título: Técnicas de diagnóstico nos modelos lineares generalizados com superdispersão
Autor(es): Rodrigues, Heloisa de Melo
Palavras-chave: Alavancagem generalizada; In uência global; In uência local; Modelos lineares generalizados com superdispersão; Resíduos
Data do documento: 31-Jan-2013
Editor: Universidade Federal de Pernambuco
Resumo: No contexto de modelos de regressão, em alguns casos é comum o fenô- meno da superdispersão, que ocorre quando a variância observada dos dados excede aquela prevista por um modelo. Assim, Dey et al. (1997) desenvolveram os modelos lineares generalizados com superdispersão (MLGSs), considerando um modelo de regressão adicional para o parâmetro de dispersão, que é incorporado na função de variância. Desta forma, os MLGSs permitem modelar, simultaneamente, a média e a dispersão no contexto dos modelos lineares generalizados (MLGs) de Nelder e Wedderburn, 1972. Além disso, os MLGSs caracterizam-se por ser uma classe de modelos mais geral que os modelos lineares generalizados duplos (Smyth, 1989). Nesta dissertação são propostas técnicas de diagnósticos para os MLGSs, sendo desenvolvidas as técnicas de alavancagem generalizada, análise de resíduos, in uência global, como também o método de in uência local, este avaliado sob três esquemas de perturbação. Por m, é apresentada uma análise grá ca por meio de dados simulados.
URI: https://repositorio.ufpe.br/handle/123456789/12115
Aparece na(s) coleção(ções):Dissertações de Mestrado - Estatística

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
DISSERTAÇÃO FINAL - HELOISA DE MELO RODRIGUES.pdf1,16 MBAdobe PDFVer/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons