Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/29753

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorCRIBARI NETO, Francisco-
dc.contributor.authorSANTOS, Jéssica Priscila Rivas dos-
dc.date.accessioned2019-03-18T21:57:22Z-
dc.date.available2019-03-18T21:57:22Z-
dc.date.issued2018-02-20-
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/29753-
dc.description.abstractPara investigar o comportamento de uma variável dado o conhecimento de variáveis explicativas é comum utilizar o modelo de regressão clássico ou os modelos lineares generalizados. Nenhum desses modelos, contudo, é adequado para modelar variáveis no intervalo p0, 1q. Para modelar variáveis que assumem valores em p0, 1q é bastante utilizado o modelo de regressão beta proposto por Ferrari e Cribari-Neto (2004). Já para variáveis que assumem valores em r0, 1q, p0, 1s e r0, 1s é possível utilizar os modelos de regressão beta inflacionados propostos por Ospina e Ferrari (2012). Esta tese tem como objetivo introduzir distribuições Kumaraswamy inflacionadas, além de propor modelos de regressão Kumaraswamy inflacionados que permitem modelar dados nos intervalos r0, 1q, p0, 1s e r0, 1s, bem como abordar as respectivas inferências e avaliar os desempenhos dos estimadores de máxima verossimilhança em cada cenário. Simulações de Monte Carlo foram realizadas para verificar os desempenhos dos estimadores de máxima verossimilhança e de testes de hipóteses. Aplicações a dados reais também são apresentadas.pt_BR
dc.description.sponsorshipCAPESpt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsopenAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectEstatísticapt_BR
dc.subjectMáxima verossimilhançapt_BR
dc.titleModelos Kumaraswamy inflacionadospt_BR
dc.typedoctoralThesispt_BR
dc.contributor.authorLatteshttp://lattes.cnpq.br/2143636426317910pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.leveldoutoradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/2225977664095899pt_BR
dc.publisher.programPrograma de Pos Graduacao em Estatisticapt_BR
dc.description.abstractxTo investigate the behavior of a variable given the knowledge of explanatory variables it is common to use the classical regression model or the generalized linear models. However none of these models are suitable for modeling variables observed on p0, 1q. The beta regression model introduced by Ferrari and Cribari (2004) is useful when the response is restricted to the interval p0, 1q. Ospina and Ferrari (2012) developed an extension of such a model that allow practitioners to model fractional data observed on r0, 1q, p0, 1s e r0, 1s. Our goal in this thesis is to introduce inflated Kumaraswamy distributions in addition to proposing inflated Kumaraswamy regression models that allow one to model data that assume values in r0, 1q, p0, 1s and r0, 1s. We develop parameter estimation, interval estimation and hypothesis testing inference. We present Monte Carlo simulation results to evaluate the performances of the maximum likelihood estimators and hypothesis tests. Empirical applications are also displayed.pt_BR
Aparece nas coleções:Teses de Doutorado - Estatística

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE Jéssica Priscila Rivas dos Santos.pdf2,64 MBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons