Please use this identifier to cite or link to this item: http://repositorio.ufla.br/jspui/handle/1/45424
metadata.artigo.dc.title: Estudo por simulação Monte Carlo de um estimador robusto utilizado na inferência de um modelo binomial contaminado
metadata.artigo.dc.title.alternative: A Monte Carlo simulation study of a robust estimator used in the inference of a contaminated binomial model
metadata.artigo.dc.creator: Silva, Augusto Maciel da
Cirillo, Marcelo Ângelo
metadata.artigo.dc.subject: Distribuição binomial
Binomiais contaminadas
Monte Carlo
Robustez
Binomial distribution
Contaminated binomial
Robustness
metadata.artigo.dc.publisher: Universidade Estadual de Londrina
metadata.artigo.dc.date.issued: 2010
metadata.artigo.dc.identifier.citation: SILVA, A. M. da; CIRILLO, M. A. Estudo por simulação Monte Carlo de um estimador robusto utilizado na inferência de um modelo binomial contaminado. Acta Scientiarum. Technology, Maringá, v. 32, n. 3, p. 303-307, 2010. DOI: 10.4025/actascitechnol.v32i3.4145.
metadata.artigo.dc.description.resumo: A inferência estatística em populações binomiais contaminadas está sujeita a erros grosseiros de estimação, uma vez que as amostras não são identicamente distribuídas. Por esse problema, este trabalho tem por objetivo determinar qual a melhor constante de afinidade (c1) que proporcione melhor desempenho em um estimador pertencente à classe dos estimadores-E. Com esse propósito, neste trabalho, foi utilizada a metodologia, considerando-se o método de simulação Monte Carlo, no qual diferentes configurações descritas pela combinação de valores paramétricos, níveis de contaminação e tamanhos de amostra foram avaliados. Concluiu-se que, para alta probabilidade de mistura (γ = 0,40), recomenda-se assumir c1 = 0,1 nas situações de grandes amostras (n = 50 e n = 80).
metadata.artigo.dc.description.abstract: The statistical inference in binomial population is subject to gross errors of estimate, as the samples are not identically distributed. Due to this problem, this work aims to determine which is the best affinity constant (c1) that provides the best performance in the estimator, belonging to the class of E-estimators. With that purpose, the methodology used in this work was applied considering the Monte Carlo simulation method, in which different configurations described by combination of parametric values, levels of contamination and sample sizes were appraised. It was concluded that for the high probability of contamination (γ = 0.40), c1 = 0.1 is recommended in cases with large samples (n = 50 and n = 80).
metadata.artigo.dc.identifier.uri: http://repositorio.ufla.br/jspui/handle/1/45424
metadata.artigo.dc.language: pt_BR
Appears in Collections:DEX - Artigos publicados em periódicos

Files in This Item:
File Description SizeFormat 
ARTIGO_Estudo por simulação Monte Carlo de um estimador robusto.pdf544,7 kBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons