Observacoes Influentes
Mostrando 1-12 de 14 artigos, teses e dissertações.
-
1. TÉCNICAS PARA DETECÇÃO DE PONTOS INFLUENTES EM VARIÁVEIS CONTÍNUAS REGIONALIZADAS
RESUMO Na análise de dados espaciais em agricultura, a presença de pontos influentes pode alterar consideravelmente os resultados das análises de dependência espacial e, consequentemente, a construção dos mapas. Quando se referem a atributos físico-químicos do solo e da produtividade, os mapas devem representar uma estimativa eficiente das condiçõe
Eng. Agríc.. Publicado em: 2016-02
-
2. On estimation and influence diagnostics for a bivariate promotion lifetime model based on the FGM copula: a fully bayesian computation
Neste artigo nós propomos um modelo bivariado de longa duração baseado na copula de Farlie-Gumbel-Morgenstern, onde assumimos marginais com estrutura de tempo de promoção. O modelo proposto permite a presença de dados censurados e de covariáveis. Para fins inferenciais foi considerada uma abordagem bayesiana usando métodos MonteCarlo em Cadeias de Ma
TEMA (São Carlos). Publicado em: 2013-12
-
3. Estimação e diagnóstico na disribuição Weibull-Binomial-Negativa em análise de sobrevivência / Estimation and diagnosis for the Weibull-Negative-Binomial distribution in survival anaçysis
Neste trabalho propomos a distribuição Weibull-Binomial-Negativa (WBN) considerando uma estrutura de ativação latente para explicar a ocorrência do evento de interesse, em que o número de causas competitivas é modelado pela distribuição Binomial Negativa, e os tempos não observados devido às causas seguem a distribuição Weibull. Em geral, as cau
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 28/05/2012
-
4. Modelos de sobrevivência bivariados baseados na cópula FGM : uma abordagem bayesiana
Neste trabalho apresentamos uma análise bayesiana para dados de sobrevivência bivariados na presença de covariáveis e observações censuradas. Propomos uma distribuição bivariada para os tempos de sobrevivência baseada na cópula de Farlie- Gumbel-Morgenstern (FGM) para modelar dados com fraca dependência. Alguns modelos de sobrevivência com e sem
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 07/02/2012
-
5. Algumas extensões da distribuição Birnbaum-Saunders: uma abordagem Bayesiana
A distribuição Birnbaum-Saunders (BS) está baseada em um argumento físico de dano cumulativo que produz a fadiga de materiais. Esta fadiga foi identificada como uma importante causa de falhas em estruturas de engenharia. Nos últimos tempos, este modelo tem sido aplicado em outras áreas, tais como: ciências da saúde, ambientais, florestais, demográfi
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 09/01/2012
-
6. Cidadania
Queremos com este artigo contribuir para mover o debate pedagógico sobre educação em cidadania para além do que caracterizamos em um trabalho anterior como o impasse de perspectivas idealizadas (Fischman; Haas, 2012). Nosso argumento está embasado em duas ideias principais. Primeiro, a noção de cidadão que informa programas de educação em cidadania
Educ. Real.. Publicado em: 2012-08
-
7. Uso dos métodos clássico e bayesiano para os modelos não-lineares heterocedásticos simétricos / Use of the classical and bayesian methods for nonlinear heterocedastic symmetric models
Os modelos normais de regressão têm sido utilizados durante muitos anos para a análise de dados. Mesmo nos casos em que a normalidade não podia ser suposta, tentava-se algum tipo de transformação com o intuito de alcançar a normalidade procurada. No entanto, na prática, essas suposições sobre normalidade e linearidade nem sempre são satisfeitas. C
IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia. Publicado em: 21/06/2011
-
8. Influência local para análise espacial dos atributos físicos do solo e da produtividade da soja utilizando a distribuição t-student
A modelagem e estimação dos parâmetros que definem a estrutura de dependência espacial de uma variável regionalizada, utilizando métodos geoestatísticos, é de fundamental importância, pois a partir desses parâmetros é realizada a krigagem dos pontos não amostrados para a construção dos mapas temáticos. A presença de uma ou mais observações
Revista Brasileira de Ciência do Solo. Publicado em: 2011-12
-
9. Técnicas de diagnóstico de influência local na análise espacial da produtividade da soja
A modelagem da estrutura de dependência espacial pela abordagem da geoestatística é fundamental para a definição de parâmetros que definem esta estrutura, e que são utilizados na interpolação de valores em locais não amostrados pela técnica de krigagem. Entretanto, a estimação de parâmetros pode ser muito afetada pela presença de observações
Engenharia Agrícola. Publicado em: 2011-04
-
10. Método da variável fictícia para ajuste de modelos volumétricos estáveis e compátiveis em povoamentos florestais.
Funcionamento das variáveis Dummy em regressões mateméticas; Estrutura da base de dados; Construção dos modelos para estimar volume de árvores individuais, considerando as variáveis dummy; Análise residual para observações influentes em modelos lineares com a variável dummy; Seleção da equação de regressão; Diagnóstico de normalidade para eu
Rio Branco. Publicado em: 2011
-
11. Estimação e diagnóstico na distribuição exponencial por partes em análise de sobrevivência com fração de cura / Estimation and diagnostics for the piecewise exponential distribution in survival analysis with fraction cure
O principal objetivo deste trabalho é desenvolver procedimentos inferências em uma perspectiva bayesiana para modelos de sobrevivência com (ou sem) fração de cura baseada na distribuição exponencial por partes. A metodologia bayesiana é baseada em métodos de Monte Carlo via Cadeias de Markov (MCMC). Para detectar observações influentes nos modelos
Publicado em: 2011
-
12. Influence diagnostics in stochastic volatility models / Diagnostico de influencia em modelos de volatilidade estocastica
Model diagnostics is a key step to assess the quality of fitted models. In this sense, one of the most important tools is the analysis of influence. Peña (2005) introduced a way of assessing influence in linear regression models, which evaluates how each point is influenced by the others in the sample. This diagnostic strategy was adapted by Hotta and Motta
Publicado em: 2009