Skip navigation
Use este identificador para citar ou linkar para este item: https://repositorio.ufpe.br/handle/123456789/37967

Compartilhe esta página

Registro completo de metadados
Campo DCValorIdioma
dc.contributor.advisorCYSNEIROS, Audrey Helen Mariz de Aquino-
dc.contributor.authorSANTOS, Rodrigo Gonçalves dos-
dc.date.accessioned2020-09-14T16:00:55Z-
dc.date.available2020-09-14T16:00:55Z-
dc.date.issued2020-02-21-
dc.identifier.citationSANTOS, Rodrigo Gonçalves dos. Refinamento para testes de hipóteses em modelos espaciais lineares Gaussianos com repetições. 2020. Tese (Doutorado em Estatística) – Universidade Federal de Pernambuco, Recife, 2020.pt_BR
dc.identifier.urihttps://repositorio.ufpe.br/handle/123456789/37967-
dc.description.abstractNesta tese, tratamos de refinamentos para testes de hipóteses em modelos espaciais lineares gaussianos com repetições. Nós obtivemos um fator de correção de Bartlett para a estatística da razão de verossimilhanças baseado na verossimilhança perfilada modificada proposta por Cox e Reid (1987). Além disso, desenvolvemos novos ajustes para a estatística da razão de verossimilhanças com base nos trabalhos de Skovgaard (SKOVGAARD et al., 1996; SKOVGAARD, 2001). Um outro teste de hipóteses em modelos lineares gaussianos com repetições foi apresentado, com o intuito de averiguar se a parte espacial do modelo é relevante, utilizando os desenvolvimentos dos ajustes para a estatística da razão de verossimilhanças com base nos trabalhos de Skovgaard. Estudos de simulação de Monte Carlo foram considerados para avaliar e comparar numericamente o desempenho dos testes propostos nesta tese, assim como o teste da razão de verossimilhanças tradicional e sua versão original corrigida por Bartlett (DE BASTIANI, 2016), em amostras finitas. Ademais, um exemplo utilizando dados reais foi ilustrado com o objetivo de utilizar todas as ferramentas apresentadas na tese.pt_BR
dc.description.sponsorshipCAPESpt_BR
dc.language.isoporpt_BR
dc.publisherUniversidade Federal de Pernambucopt_BR
dc.rightsembargoedAccesspt_BR
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Brazil*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/br/*
dc.subjectEstatística aplicadapt_BR
dc.subjectCorreção de Bartlettpt_BR
dc.titleRefinamento para testes de hipóteses em modelos espaciais lineares Gaussianos com repetiçõespt_BR
dc.typedoctoralThesispt_BR
dc.contributor.advisor-coDE BASTIANI, Fernanda-
dc.contributor.authorLatteshttp://lattes.cnpq.br/5973679022153784pt_BR
dc.publisher.initialsUFPEpt_BR
dc.publisher.countryBrasilpt_BR
dc.degree.leveldoutoradopt_BR
dc.contributor.advisorLatteshttp://lattes.cnpq.br/3295616000667012pt_BR
dc.publisher.programPrograma de Pos Graduacao em Estatisticapt_BR
dc.description.abstractxIn this thesis, we deal with refinements for testing hypotheses in linear Gaussian spatial models with repetitions. We obtained a Bartlett correction factor for the likelihood ratio statistics based on the modified profiled likelihood proposed by Cox e Reid (1987). Also, we developed new adjustments to the likelihood ratio statistics based on the work of Skovgaard (SKOVGAARD et al., 1996; SKOVGAARD, 2001). Another test of hypotheses in linear Gaussian models with repetitions was presented, to verify if the spatial part of the model is relevant, using the developments of the adjustments for the likelihood ratio statistics based on the works of Skovgaard. Monte Carlo simulation studies were considered to numerically evaluate and compare the performance of the tests proposed in this thesis, as well as the traditional likelihood ratio test and its original version corrected by Bartlett (DE BASTIANI, 2016), in finite samples. Besides, an example using real data was illustrated in order to use all the tools presented in the thesis.pt_BR
dc.contributor.advisor-coLatteshttp://lattes.cnpq.br/5519064508209103pt_BR
Aparece nas coleções:Teses de Doutorado - Estatística

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TESE Rodrigo Gonçalves dos Santos.pdf831,82 kBAdobe PDFThumbnail
Visualizar/Abrir


Este arquivo é protegido por direitos autorais



Este item está licenciada sob uma Licença Creative Commons Creative Commons