Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/12339
Título: Refinamento de inferências na distribuição Birnbaum-Saunders generalizada com núcleos normal e t de Student sob censura tipo II
Autor(es): BARRETO, Larissa Santana
Palavras-chave: Distribuição Birnbaum-Saunders generalizada; Bootstrap; Teste da razão de verossimilhanças; Estimadores de máxima verossimilhança; Verossimilhança perfilada modificada
Data do documento: 31-Jan-2013
Editor: Universidade Federal de Pernambuco
Resumo: Frequentemente temos interesse em realizar inferências, em um determinado modelo, envolvendo apenas alguns dos seus parâmetros. Tais inferências podem ser feitas através da função de verossimilhança perfilada. Contudo, alguns problemas podem surgir quando tratamos a função de verossimilhança perfilada como uma verossimilhança genuína. Com o objetivo de solucionar estes problemas, vários pesquisadores, dentre eles Barndorff-Nielsen (1983, 1994) e Cox & Reid (1987, 1992), propuseram modificações à função de verossimilhança perfilada. O principal objetivo deste trabalho é utilizar a verossimilhança perfilada e seus ajustes propostos por Barndorff-Nielsen (1983,1994) e Cox & Reid (1987,1992) no aperfeiçoamento de inferências para a distribuição Birnbaum-Saunders generalizada com núcleos normal e t de Student, na presença, ou não, de censura tipo II. Mais precisamente obtemos os estimadores de máxima verossimilhança relacionados às funções de verossimilhança perfilada e perfiladas ajustadas; calculamos os intervalos de confiança do tipo assintótico, bootstrap percentil, bootstrap BCa e bootstrap-t e também apresentamos os testes da razão de verossimilhanças ajustados, o teste bootstrap paramétrico e o teste gradiente. Através de simulações de Monte Carlo avaliamos os desempenhos dos testes e dos estimadores pontuais e intervalares propostos. Os resultados evidenciam que tanto os testes quanto os estimadores baseados nas versões modificadas da verossimilhança perfilada possuem desempenho superior em pequenas amostras quando comparados com suas contrapartidas não modificadas. Adicionalmente, apresentamos alguns exemplos práticos para ilustrar tudo o que foi desenvolvido.
URI: https://repositorio.ufpe.br/handle/123456789/12339
Aparece na(s) coleção(ções):Teses de Doutorado - Matemática Computacional

Arquivos deste item:
Arquivo Descrição TamanhoFormato 
tese_larissa_final.pdf2,28 MBAdobe PDFVer/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons