Por favor, use este identificador para citar o enlazar este ítem:
https://repositorio.ufjf.br/jspui/handle/ufjf/12236Ficheros en este ítem:
| Fichero | Descripción | Tamaño | Formato | |
|---|---|---|---|---|
| giseledeoliveiramaia.pdf | Gisele de Oliveira Maia | 2.07 MB | Adobe PDF |  Visualizar/Abrir |
| Clase: | Trabalho de Conclusão de Curso |
| Título : | Modelo Binomial Semiparamétrico |
| Autor(es): | Maia, Gisele de Oliveira |
| Orientador: | Ferreira, Clécio da Silva |
| Miembros Examinadores: | Ferreira, Clécio da Silva |
| Miembros Examinadores: | Zeller, Camila Borelli |
| Resumo: | Em diversos estudos, variáveis de interesse podem apresentar relações lineares e não lineares com variáveis auxiliares. Por isso a importância de se trabalhar com os modelos semiparamétricos, onde tanto estimamos os parâmetros para a parte paramétrica quanto para a parte não paramétrica, esta última sendo estimada através de uma curva suave proposta por Green e Silverman[7] (1994) e Eilers e Marx[4] (1996). Neste trabalho, assumimos que a variável resposta segue uma distribuição Binomial, onde a componente sistemática terá duas composições, uma linear e uma não linear. Os parâmetros do modelo são estimados através do método de Newton-Raphson, com o auxílio da função escore e da matriz de informação de Fisher. Os cálculos foram realizados considerando as três funções de ligação, a saber logit, probit e complemento log-log. O parâmetro de suavização é obtido através da minimização da função de validação cruzada. Foram realizadas simulações e aplicações a dados reais utilizando o software R Core Team[11] (2017) com auxílio de algoritmos feitos neste trabalho. |
| Resumen : | In several studies of interest variables may present linear and non-linear relationships with auxiliary variables. Therefore, the importance of working with semi-parametric models, where we both estimate the parameters for the parametric part and the non-parametric, the latter being estimated through a smooth curve proposed by Green and Silverman[7] (1994) and Eilers and Marx[4] (1996). In this work we assume that the response variable follows a Binomial distribution where the systematic component will have two compositions, one linear and one nonlinear. The parameters of the model are estimated using the Newton-Raphson method, with the aid of the score function and Fisher’s information matrix. The calculations were performed considering the three link functions, namely logit, probit and complement log-log. The smoothing parameter is obtained by minimizing the cross-validation function. Simulations and real data applications were performed using the R Core Team software[11] (2017) with the aid of algorithms made in this work that enabled the validation of the proposed model to be validated. |
| Palabras clave : | semiparamétrico curva suave modelo binomial semiparamétrico Semiparametric Smooth Curve Semiparametric Binomial Model |
| CNPq: | CNPQ::CIENCIAS EXATAS E DA TERRA::PROBABILIDADE E ESTATISTICA |
| Idioma: | por |
| País: | Brasil |
| Editorial : | Universidade Federal de Juiz de Fora (UFJF) |
| Sigla de la Instituición: | UFJF |
| Departamento: | ICE – Instituto de Ciências Exatas |
| Clase de Acesso: | Acesso Aberto |
| Licenças Creative Commons: | http://creativecommons.org/licenses/by-nc-nd/3.0/br/ |
| URI : | https://repositorio.ufjf.br/jspui/handle/ufjf/12236 |
| Fecha de publicación : | 6-dic-2017 |
| Aparece en las colecciones: | Estatística - TCC Graduação |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons
