Misturas de escala da distribuição normal assimétrica com dados faltantes

• Main Authors: Pinheiro, Camila Xavier Sá Peixoto, 92-98825-5055
• Other Authors: [e-mail]
• Format: Others
• Language: Portuguese
• Published: Universidade Federal do Amazonas 2017
• Subjects: Algoritmos MCMC; Normal assimétrica; Misturas de escala; Dados faltantes; CIÊNCIAS EXATAS E DA TERRA: MATEMÁTICA
• Online Access: http://tede.ufam.edu.br/handle/tede/5987

Submitted by Ingrid Lima ([e-mail]) on 2017-11-03T15:24:11Z No. of bitstreams: 2 DISSERTACAO final Camila Sá Peixoto Pinheiro - com folha assinada.pdf: 2249114 bytes, checksum: 3bdd9a6d1539c3d7b14311776dda4f28 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) === Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central ([e-mail]) on 2017-11-07T14:06:59Z (GMT) No. of bitstreams: 2 DISSERTACAO final Camila Sá Peixoto Pinheiro - com folha assinada.pdf: 2249114 bytes, checksum: 3bdd9a6d1539c3d7b14311776dda4f28 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) === Approved for entry into archive by Divisão de Documentação/BC Biblioteca Central ([e-mail]) on 2017-11-07T14:16:03Z (GMT) No. of bitstreams: 2 DISSERTACAO final Camila Sá Peixoto Pinheiro - com folha assinada.pdf: 2249114 bytes, checksum: 3bdd9a6d1539c3d7b14311776dda4f28 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) === Made available in DSpace on 2017-11-07T14:16:03Z (GMT). No. of bitstreams: 2 DISSERTACAO final Camila Sá Peixoto Pinheiro - com folha assinada.pdf: 2249114 bytes, checksum: 3bdd9a6d1539c3d7b14311776dda4f28 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2016-05-03 === CAPES - Coordenação de Aperfeiçoamento de Pessoal de Nível Superior === No summary === Neste trabalho estudamos uma ferramenta de estimação para modelos sob a classe de misturas de escala da distribuição normal assimétrica multivariada onde valores faltantes ocorrem nos dados. Desta forma, apresentamos uma proposta utilizando tais modelos flexíveis e algoritmos computacionais para a análise de dados multivariados com comportamento que foge do padrão usual da distribuição normal e outras distribuições simétricas usuais, apresentando forte assimetria e caudas pesadas. Além disso, mostramos a eficiência da aplicação da modelagem sugerida e do método de estimação proposto, por meio de estudos de simulação computacional, analisando a qualidade dos estimadores via estudos de vício e erro quadrático médio e comparando diferentes modelos via critérios de seleção. A abordagem inferencial utilizada foi a Bayesiana, utilizando os métodos MCMC tradicionais para obter gerações de amostras da distribuição a posterior.