Uma abordagem bayesiana para modelos não lineares na presença de assimetria e heteroscedasticidade / A bayesian approach for nonlinear models in the presence of asymmetry
AUTOR(ES)
Aline Minniti de Campos
FONTE
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia
DATA DE PUBLICAÇÃO
22/08/2011
RESUMO
Esta dissertação flexibiliza a suposição de normalidade, dispondo de distribuições assimétricas em modelos de crescimento. Propõe uma abordagem bayesiana para ajuste de modelos não lineares quando a suposição de normalidade para os erros não é razoável e/ou apresentam heteroscedasticidade. Assim, adota-se as distribuições skew-normal e skew-t para as situações em que é necessário modelar dados com caudas mais pesadas ou mais leves que a normal e assimétricos; sendo que é considerado também a presença de heteroscedasticidade. Diferentes funções são utilizadas na estrutura multiplicativa para modelar a variância. Com esse objetivo, métodos de inferência na abordagem bayesiana são desenvolvidos para estimar os parâmetros dos modelos de regressão não linear com os erros seguindo as distribuições citadas anteriormente. A metodologia visa aplicação à curvas de crescimento para dados de árvores
ASSUNTO(S)
assimetria asymmetry bayesian inference growth models heteroscedasticidade heteroscedasticity inferência bayesina modelos de crescimento
Documentos Relacionados
- Modelos de fronteira estocástica: uma abordagem bayesiana
- Modelos não-lineares para dados longitudinais provenientes de experimentos em blocos casualizados abordagem bayesiana
- Seleção de modelos cópula-GARCH: uma abordagem bayesiana
- Uso dos métodos clássico e bayesiano para os modelos não-lineares heterocedásticos simétricos
- Uma abordagem bayesiana para mapeamento de QTLs em populações experimentais