Mémoire de Maîtrise
DOI
https://doi.org/10.11606/D.104.2017.tde-11012017-085309
Document
Auteur
Nom complet
Aline Campos Reis de Souza
Unité de l'USP
Domain de Connaissance
Date de Soutenance
Editeur
São Carlos, 2016
Directeur
Jury
Cancho, Vicente Garibay (Président)
Cabral, Celso Rômulo Barbosa
Davila, Victor Hugo Lachos
Titre en portugais
Modelos de regressão linear heteroscedásticos com erros t-Student: uma abordagem bayesiana objetiva
Mots-clés en portugais
Distribuição a priori de Jeffreys
Erros t-Student
Inferência robusta
Modelos de regressão linear heteroscedásticos.
Resumé en portugais
Neste trabalho, apresentamos uma extensão da análise bayesiana objetiva feita em Fonseca et al. (2008), baseada nas distribuições a priori de Jeffreys para o modelo de regressão linear com erros t-Student, para os quais consideramos a suposição de heteoscedasticidade. Mostramos que a distribuição a posteriori dos parâmetros do modelo regressão gerada pela distribuição a priori é própria. Através de um estudo de simulação, avaliamos as propriedades frequentistas dos estimadores bayesianos e comparamos os resultados com outras distribuições a priori encontradas na literatura. Além disso, uma análise de diagnóstico baseada na medida de divergência Kullback-Leiber é desenvolvida com a finalidade de estudar a robustez das estimativas na presença de observações atípicas. Finalmente, um conjunto de dados reais é utilizado para o ajuste do modelo proposto.
Titre en anglais
Heteroscedastics linear regression models with Student t erros: an objective bayesian analysis.
Mots-clés en anglais
Effreys prior
Heteroscedastic linear regression models.
Robust inference
Student t erros
Resumé en anglais
In this work , we present an extension of the objective bayesian analysis made in Fonseca et al. (2008), based on Jeffreys priors for linear regression models with Student t errors, for which we consider the heteroscedasticity assumption. We show that the posterior distribution generated by the proposed Jeffreys prior, is proper. Through simulation study , we analyzed the frequentist properties of the bayesian estimators obtained. Then we tested the robustness of the model through disturbances in the response variable by comparing its performance with those obtained under another prior distributions proposed in the literature. Finally, a real data set is used to analyze the performance of the proposed model . We detected possible in uential points through the Kullback -Leibler divergence measure, and used the selection model criterias EAIC, EBIC, DIC and LPML in order to compare the models.
AVERTISSEMENT - Regarde ce document est soumise à votre acceptation des conditions d'utilisation suivantes:
Ce document est uniquement à des fins privées pour la recherche et l'enseignement. Reproduction à des fins commerciales est interdite. Cette droits couvrent l'ensemble des données sur ce document ainsi que son contenu. Toute utilisation ou de copie de ce document, en totalité ou en partie, doit inclure le nom de l'auteur.
Date de Publication
2017-01-19
AVERTISSEMENT: Apprenez ce que sont des œvres dérivées
cliquant ici.