رسالة جامعية
Análise de diagnóstico em modelos semiparamétricos normais
| العنوان: | Análise de diagnóstico em modelos semiparamétricos normais |
|---|---|
| العنوان البديل: | Diagnostic analysis in semiparametric normal models |
| المؤلفون: | Gleyce Rocha Noda |
| مرشدي الرسالة: | Gilberto Alvarenga Paula, Francisco José de Azevêdo Cysneiros, Cibele Maria Russo Noveli |
| المصدر: | Biblioteca Digital de Teses e Dissertações da USPUniversidade de São PauloUSP. |
| حالة النشر: | publishedVersion |
| بيانات النشر: | Universidade de São Paulo; Estatística; USP; BR, 2013. |
| سنة النشر: | 2013 |
| المجموعة: | IBICT Brazilian ETDs |
| مصطلحات موضوعية: | função de verossimilhança penalizada, modelos lineares parciais, modelos não paramétricos, splines cúbicos, suavizadores., cubic splines, nonparametric models, partially linear models, penalized likelihood, smoothing. |
| الوصف: | Nesta dissertação apresentamos métodos de diagnóstico em modelos semiparamétricos sob erros normais, em especial os modelos semiparamétricos com uma variável explicativa não paramétrica, conhecidos como modelos lineares parciais. São utilizados splines cúbicos para o ajuste da variável resposta e são aplicadas funções de verossimilhança penalizadas para a obtenção dos estimadores de máxima verossimilhança com os respectivos erros padrão aproximados. São derivadas também as propriedades da matriz hat para esse tipo de modelo, com o objetivo de utilizá-la como ferramenta na análise de diagnóstico. Gráficos normais de probabilidade com envelope gerado também foram adaptados para avaliar a adequabilidade do modelo. Finalmente, são apresentados dois exemplos ilustrativos em que os ajustes são comparados com modelos lineares normais usuais, tanto no contexto do modelo aditivo normal simples como no contexto do modelo linear parcial. In this master dissertation we present diagnostic methods in semiparametric models under normal errors, specially in semiparametric models with one nonparametric explanatory variable, also known as partial linear model. We use cubic splines for the nonparametric fitting, and penalized likelihood functions are applied for obtaining maximum likelihood estimators with their respective approximate standard errors. The properties of the hat matrix are also derived for this kind of model, aiming to use it as a tool for diagnostic analysis. Normal probability plots with simulated envelope graphs were also adapted to evaluate the model suitability. Finally, two illustrative examples are presented, in which the fits are compared with usual normal linear models, such as simple normal additive and partially linear models. |
| Original Identifier: | oai:teses.usp.br:tde-24062013-075143 |
| نوع الوثيقة: | masterThesis |
| اللغة: | Portuguese |
| الإتاحة: | http://www.teses.usp.br/teses/disponiveis/45/45133/tde-24062013-075143Test/ |
| حقوق: | info:eu-repo/semantics/openAccess |
| رقم الانضمام: | edsndl.IBICT.oai.teses.usp.br.tde.24062013.075143 |
| قاعدة البيانات: | Networked Digital Library of Theses & Dissertations |
| الوصف غير متاح. |