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