Please use this identifier to cite or link to this item: http://monografias.ufrn.br/handle/123456789/3425
Title: Estudo sobre má especificação na família de posição e escala
Authors: Queiroz, Francisco Felipe de
Keywords: Estatísticas robustas;Modelo de Regressão;Estatística Gradiente;Comparação de testes de hipóteses
Issue Date: 6-Dec-2016
Publisher: Universidade Federal do Rio Grande do Norte
Citation: QUEIROZ, Francisco Felipe de. Estudo sobre má especificação na família de posição e escala. 2016. 66 f. Monografia (Especialização) - Curso de Estatística, Universidade Federal do Rio Grande do Norte, Natal, 2016.
Portuguese Abstract: A teoria da máxima verossimilhança é frequentemente utilizada na solução de problemas em diversas áreas da Estatística. Uma das suposições básicas da inferência baseada na teoria da verossimilhança é a de que o modelo escolhido para analisar os dados é, de fato, o modelo gerador dos dados e, quando isso não acontece, utilizar os procedimentos inferenciais usuais pode resultar em conclusões equivocadas. Nesse sentido, ainda que o problema de má especificação de um modelo paramétrico estatístico possa estar presente em diversos contextos, existem poucos trabalhos que tratam deste tema. Dessa forma, este trabalho dispõe-se a estudar os principais procedimentos inferenciais no contexto de má especificação de modelos e, em particular, em testes de hipóteses. São apresentadas versões robustas das estatísticas usuais para testar hipóteses quando o modelo é mal especificado, considerando modelos da família de posição e escala. Além disso, é estudado o desempenho destas estatísticas na presença de má especificação em modelos de regressão, considerando hipóteses simples e compostas. Finalmente, são realizados estudos de simulações de Monte Carlo. Nota-se que as versões robustas das estatísticas de testes apresentam bons resultados, tanto no contexto de amostras independentes e identicamente distribuídas, quanto no contexto de modelos de regressão.
Abstract: The likelihood-based theory is often used in solving problems in various areas of statistics. One of the basic assumptions of inference based on this theory is that the chosen model correctly summarizes the data. When this does not happen, the usual procedures can result in misleading conclusions. In this sense, although the problem of misspecification can appear in several contexts, there are few papers dealing with this topic. Therefore, this work is designed to study the main inferential procedures in the context of misspecification and, in particular, hypotheses testing. Robust versions of the usual statistics are presented when the model is misspecified, considering location-scale family models. In addition, the performance of these statistics is studied in the presence of misspecification in regression models, considering simple and composite hypotheses and, finally, a simulation study is performed. It is noted that the robust versions of the statistics present good results, both in the context of independent and identically distributed samples as well as in the context of regression models.
URI: http://monografias.ufrn.br/jspui/handle/123456789/3425
Other Identifiers: 2013014713
Appears in Collections:Estatística

Files in This Item:
File Description SizeFormat 
MaEspecificaçao_Queiroz_2016.pdfMonografia761,87 kBAdobe PDFThumbnail
View/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.