• JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
  • JoomlaWorks Simple Image Rotator
 
  Bookmark and Share
 
 
Tese de Doutorado
DOI
10.11606/T.45.2013.tde-13062013-163845
Documento
Autor
Nome completo
Tiago Moreira Vargas
E-mail
Unidade da USP
Área do Conhecimento
Data de Defesa
Imprenta
São Paulo, 2013
Orientador
Banca examinadora
Ferrari, Silvia Lopes de Paula (Presidente)
Botter, Denise Aparecida
Lemonte, Artur José
Opazo, Miguel Angel Uribe
Vasconcellos, Klaus Leite Pinto
Título em português
Estatística gradiente: teoria assintótica de alta ordem e correção tipo-Bartlett
Palavras-chave em português
Argumento de encolhimento
Correção tipo-Bartlett
Expansão assintótica
Matchingpriors
Rota Bayesiana
Teste gradiente.
Resumo em português
Obtemos uma expansão assintótica da função de distribuição sob a hipótese nula da estatística gradiente para testar hipóteses nulas compostas na presença de parâmetros de perturbação. Esta expansão é derivada utilizando uma rota Bayesiana baseada no argumento de encolhimento descrito em Ghosh e Mukerjee (1991). Usando essa expansão, propomos uma estatística gradiente corrigida por um fator de correção tipo-Bartlett, que tem distribuição qui-quadrado até um erro de ordem o(n-1) sob a hipótese nula. A partir disso, determinamos fórmulas matriciais e algébricas que auxiliam na obtenção da estatística gradiente corrigida em modelos lineares generalizados com dispersão conhecida e desconhecida. Simulações de Monte Carlo são apresentadas. Finalmente, discutimos a obtenção de regiões de credibilidade via inversão da estatística gradiente. Caracterizamos as densidades a priori, matching priors, que asseguram propriedades de cobertura frequentista acuradas para essas regiões.
Título em inglês
Gradient statistic: higher order asymptotics and Bartlett-type correction
Palavras-chave em inglês
Asymptotic expansion
Bartlett-type correction
Bayesian route
Gradient test
Matching priors
Shrinkage argument.
Resumo em inglês
We obtain an asymptotic expansion for the null distribution function of the gradient statistic for testing composite null hypotheses in the presence of nuisance parameters. The expansion is derived using a Bayesian route based on the shrinkage argument described in Ghosh and Mukerjee (1991). Using this expansion, we propose a Bartlett-type corrected gradient statistic, which has a chi-square distribution up to an error of order o(n1) under the null hypothesis. Also, we determined matrix and algebraic formulas that assist in obtaining Bartett-type corrected statistic in generalized linear models with known and unknown dispersion. Monte Carlo simulations are presented. Finally, we obtain credible regions based by the inversion of gradient statistic. We characterize priori densities, matching priors, that ensure accurate frequentist coverage properties for these regions.
 
AVISO - A consulta a este documento fica condicionada na aceitação das seguintes condições de uso:
Este trabalho é somente para uso privado de atividades de pesquisa e ensino. Não é autorizada sua reprodução para quaisquer fins lucrativos. Esta reserva de direitos abrange a todos os dados do documento bem como seu conteúdo. Na utilização ou citação de partes do documento é obrigatório mencionar nome da pessoa autora do trabalho.
TeseFinal_Tiago.pdf (443.10 Kbytes)
Data de Publicação
2013-06-26
 
AVISO: O material descrito abaixo refere-se a trabalhos decorrentes desta tese ou dissertação. O conteúdo desses trabalhos é de inteira responsabilidade do autor da tese ou dissertação.
  • VARGAS, TIAGO M., FERRARI, SILVIA L P, and LEMONTE, ARTUR J. Gradient statistic: Higher-order asymptotics and Bartlett-type correction. ELECTRON J STAT [online], 2013, vol. 7, p. 43-61. [cited 2013-08-04]. Available from : <http://projecteuclid.org/euclid.ejs/1357913281>
Todos os direitos da tese/dissertação são de seus autores
Centro de Informática de São Carlos
Biblioteca Digital de Teses e Dissertações da USP. Copyright © 2001-2019. Todos os direitos reservados.