Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras

Loading...
Thumbnail Image

Co-advisor(s)

Committee members

Matos, Larissa Avila
Santos Júnior, James Dean Oliveira dos

Journal Title

Journal ISSN

Volume Title

Publisher

Universidade Federal do Amazonas

Access rights

DOI

Resumo (Portuguese)

Apresentamos uma proposta de extensão para o modelo de regressão com erro nas variáveis usual em que tanto o vetor de respostas quanto a covariável estão sujeitos à censura. Assumimos que a distribuição conjunta da covariável e dos erros de observação é t de Student, que é uma alternativa ao modelo normal, porém com caudas pesadas. Um algoritmo do tipo Gibbs sampler é proposto para proceder a estimação Bayesiana dos parâmetros no modelo. Três estudos de simulação são realizados, mostrando a maior flexibilidade do modelo, em relação ao modelo sob normalidade, em ajustar dados com padrão de censura e caudas pesadas, além de uma aplicação em dados reais.

Abstract

We propose an extension of the usual normal regression model where both the vector of responses and the covariate are possibly censored. We assume that the jointly distribution of covariate and errors is Student-t, which is an alternative to the normal distribution, but with heavy tails. A Gibbs-type algorithm is proposed to carry out Bayesian estimation of the parameters in the model. Three simulation studies are conducted, showing that the proposed model is more flexible than the normal one when fitting data with censoring pattern and heavy tails, in addition to an application with real data.

Description

Keywords

Controlled term

Modelos com erros nas variáveis; Algoritmo de Gibbs; Truncamento; Estatística; Regressão t de Student

Sustainable Development Goals (SDG)

Citation

MARTINS, Márcia Brandão de Oliveira. Estimação Bayesiana em modelos de regressão T de student com erros nas variáveis, respostas multivariadas e censuras. 2016. 43 f. Dissertação (Mestrado em Matemática) - Universidade Federal do Amazonas, manaus, 2016.

Endorsement

Review

Supplemented By

Referenced By

Creative Commons license

Except where otherwise noted, this item's license is described as Acesso Aberto