dissertação
Bootstrap com medidas de influência na estimação dos parâmetros dos modelos Gompertz e logístico
Carregando...
Notas
Data
Autores
Orientadores
Editores
Coorientadores
Membros de banca
Título da Revista
ISSN da Revista
Título de Volume
Editor
UNIVERSIDADE FEDERAL DE LAVRAS
Faculdade, Instituto ou Escola
Departamento
Programa de Pós-Graduação
DEX - Programa de Pós-graduação
Agência de fomento
Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES/REUNI)
Tipo de impacto
Áreas Temáticas da Extenção
Objetivos de Desenvolvimento Sustentável
Dados abertos
Resumo
Em geral o método bootstrap é realizado supondo que cada unidade amostral apresente a mesma probabilidade de ser reamostrada. Contudo, ao considerar uma amostra que apresente outliers, a distribuição empírica gerada através da execução desse método pode ser influenciada, no sentido de não representar fielmente a amostra original. Tendo por base este problema, o objetivo desse trabalho consistiu em propor um método bootstrap que permita o pesquisador especificar uma medida de influência, a ser utilizada como critério para obter probabilidades de reamostragem distintas para cada observação. Tal método foi denominado por BMIC originado de “Bootstrap com medidas de influência corrigida pelo viés de Monte Carlo”. Com o propósito de validar esse método, estudos de simulação foram realizados considerando o modelo logístico e Gompertz, em alguns cenários caracterizados por diferentes tamanhos amostrais, distribuições simétricas e assimétricas nos resíduos e quantidade de outliers contida na amostra. Concluiu-se que a aplicação do método BMIC proporcionou uma melhoria na acurácia dos estimadores referente à assíntota superior ( ) e ao intercepto ( ) do modelo logístico. Em se tratando do modelo Gompertz, em geral apresentou os mesmos resultados, porém dada a baixa porcentagem de convergência observada, recomenda-se que novos estudos sejam realizados para obtenção de conclusões mais confirmatórias
In general the bootstrap method is realized assuming that each sample shows the same probability of be resampled. However, considering a sample that contains outliers, the empirical distribution generated through the execution of this method can be influenced, in order not accurately represent the original sample. The purpose of this work consisted in propose a bootstrap method that allows the researcher to specify an influence measure, to be used as criterion to get different probabilities of resampling for each observation. This method was called BMIC, originated of “Bootstrap with influence measures corrected by Monte Carlo bias”. With the purpose of valuate this method, studies of simulation was realized considering the models Logistic and Gompertz, in some scenery characterized by different sample sizes, symmetric and asymmetric distributions in residues, and number of outliers in the sample. It was concluded that the application of BMIC method provided an improvement in accuracy of estimators relative to the superior asymptote and to the intercept of Logistic model. According to the Gompertz model, in general, shows the same results, however, given the low percentage of convergence observed, it is recommended that new studies are realized for attaining conclusions more confirmatory
In general the bootstrap method is realized assuming that each sample shows the same probability of be resampled. However, considering a sample that contains outliers, the empirical distribution generated through the execution of this method can be influenced, in order not accurately represent the original sample. The purpose of this work consisted in propose a bootstrap method that allows the researcher to specify an influence measure, to be used as criterion to get different probabilities of resampling for each observation. This method was called BMIC, originated of “Bootstrap with influence measures corrected by Monte Carlo bias”. With the purpose of valuate this method, studies of simulation was realized considering the models Logistic and Gompertz, in some scenery characterized by different sample sizes, symmetric and asymmetric distributions in residues, and number of outliers in the sample. It was concluded that the application of BMIC method provided an improvement in accuracy of estimators relative to the superior asymptote and to the intercept of Logistic model. According to the Gompertz model, in general, shows the same results, however, given the low percentage of convergence observed, it is recommended that new studies are realized for attaining conclusions more confirmatory
Abstract
Descrição
Dissertação apresentada à Universidade Federal de Lavras, como parte das exigências do Programa de Pós-Graduação em Estatística e Experimentação Agropecuária, área de concentração em Estatística e Experimentação Agropecuária, para a obtenção do título de Mestre
Área de concentração
Estatística e Experimentação Agropecuária
Agência de desenvolvimento
Palavra chave
Marca
Objetivo
Procedência
Impacto da pesquisa
Resumen
Palavras-chave
ISBN
DOI
Citação
ANDRADE, L. R. de. Bootstrap com medidas de influência na estimação dos parâmetros dos modelos Gompertz e logístico. 2012. 74 p. Dissertação (Mestrado em Estatística e Experimentação Agropecuária) - Universidade Federal de Lavras, Lavras, 2012.