Correção tipo-Bartlett à estatística gradiente nos modelos lineares generalizados superdispersados
Os modelos lineares generalizados superdispersados (MLGS), propostos por Dey et al. (1997), permitem que tanto a média quanto a dispersão sejam modeladas simultaneamente no contexto dos modelos lineares generalizados. Os MLGS são muito úteis para modelar a dispersão quando a variância da variável re...
| Main Author: | SANTOS, Joas Silva dos |
|---|---|
| Other Authors: | CYSNEIROS, Audrey Helen Mariz de Aquino |
| Format: | masterThesis |
| Language: | por |
| Published: |
Universidade Federal de Pernambuco
2019
|
| Subjects: | |
| Online Access: |
https://repositorio.ufpe.br/handle/123456789/35326 |
| Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
| Summary: |
Os modelos lineares generalizados superdispersados (MLGS), propostos por Dey et al. (1997), permitem que tanto a média quanto a dispersão sejam modeladas simultaneamente no contexto dos modelos lineares generalizados. Os MLGS são muito úteis para modelar a dispersão quando a variância da variável resposta excede a variância nominal predita pelo modelo. Esta dissertação tem três objetivos. O primeiro, é reunir resultados importantes sobre correções de Bartlett e tipo-Bartlett para os testes da razão de verossimilhanças e escore nos MLGS, propostos na literatura. O segundo, é a obtenção de um fator de correção tipo-Bartlett, em notação matricial, à estatística gradiente para testar simultaneamente ou separadamente os efeitos da média e da dispersão. A estatística gradiente corrigida tem distribuição qui-quadrado até um erro de ordem n⁻¹ sob a hipótese nula. O terceiro, é apresentar resultados de simulação para averiguar o efeito das correções nos MLGS, no que tange ao tamanho e poder, em amostras finitas. |
|---|