Por favor, use este identificador para citar o enlazar este ítem:
http://repositorio.ufc.br/handle/riufc/72494| Tipo: | TCC |
| Título : | Utilização da estatística gradiente e seu refinamento via Bootstrap em modelos lineares simétricos |
| Autor : | Santos Filho, Daniel Jacinto dos |
| Tutor: | Nobre, Juvêncio Santos |
| Palabras clave : | Bootstrap;Modelo linear simétrico;Teste de hipóteses assintótico;Teste Gradiente;Symmetric linear model;Gradient test;Asymptotic hypothesis tests |
| Fecha de publicación : | 2021 |
| Citación : | SANTOS FILHO, Daniel Jacinto dos. Utilização da estatística gradiente e seu refinamento via Bootstrap em modelos lineares simétricos. 2021. 51 f. Monografia (Graduação em Estatística) – Centro de Ciências, Universidade Federal do Ceará, Fortaleza, 2021. |
| Resumen en portugués brasileño: | A classe dos modelos lineares simétricos é uma classe ampla de modelos de regressão que engloba modelos com distribuições de caudas mais pesadas, bem como as de caudas mais leves que a distribuição Normal, como por exemplo t-Student, Cauchy, Slash e Exponencial Potência. Essa classe é uma alternativa ao modelo de regressão linear usual diante da presença de observações extremas, que podem influenciar de forma desproporcional na inferência dos parâmetros do modelo adotado. Neste trabalho, será proposto um refinamento das estatísticas dos testes assintóticos clássicos e do teste Gradiente em modelos lineares simétricos, utilizando o procedimento Bootstrap. Para mostrar a importância da proposta, realizou-se um estudo de simulação a fim de comparar o desempenho das estatísticas dos testes assintóticos com relação à aproximação dos seus respectivos tamanhos aos níveis de significância adotados em amostras de diferentes tamanhos. Tal estudo mostrou, de modo geral, que as estatísticas obtiveram bons resultados utilizando o refinamento Bootstrap para tamanhos amostrais pequenos e moderados. Com intuito de ilustrar a utilização dos procedimentos aqui adotados, realizou-se uma aplicação a um conjunto de dados reais, assumindo a distribuição t-Student com 4 graus de liberdade. |
| Abstract: | The class of symmetric linear models is a broad class of regression models that encompasses models with heavier tails distributions, as well as lighter tails than the Normal distribution, such as t-Student, Cauchy, Slash and Power Exponential. This class is an alternative to the usual linear regression model in the face of the presence of extremes, which can cause the disproportionate shape in the inference of the adopted parameters. In this work, we will propose a refinement of the statistics of the classic asymptotic tests and the Gradient test in symmetric linear models, using the procedure Bootstrap. To show the importance of the proposal, a simulation study to compare the performance of the statistics of the asymptotic tests in relation to the approximation of their respective levels of significance adopted in different sizes. This study revealed, in general, that the statistics obtained good results using the Bootstrap refinement for small and moderate sample sizes. In order to illustrate the use of the procedures adopted here, if an application to a set of real data, assuming the t-Student distribution with 4 degrees of freedom. |
| URI : | http://www.repositorio.ufc.br/handle/riufc/72494 |
| Aparece en las colecciones: | ESTATÍSTICA - Monografias |
Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| 2021_tcc_djsantosfilho.pdf | 1,83 MB | Adobe PDF | Visualizar/Abrir |
Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.