Tese

The parametric, semiparametric and random effect regression model based on the extension of the generalized inverse Gaussian distribution (2021)

• Authors:
  • Vasconcelos, Julio Cezar Souza
  • Ortega, Edwin Moises Marcos (Orientador)
• Autor USP: VASCONCELOS, JULIO CEZAR SOUZA - ESALQ
• Unidade: ESALQ
• Sigla do Departamento: LCE
• Subjects: MODELOS MATEMÁTICOS; DISTRIBUIÇÕES (PROBABILIDADE); REGRESSÃO LINEAR; MEDIDAS REPETIDAS
• Keywords: Gerador odd log-logístico
• Language: Inglês
• Abstract: Propomos um modelo de regressão baseado na distribuição de quatro parâmetros denominada odd log-logistic Gaussiana inversa generalizada (OLLGIG) com dois componentes sistemáticos adequados para dados unimodais e bimodais que estendam o modelo de regressão GIG heterocedástico. Os modelos de regressão aditivo, parcial ou semiparamétrico podem ser uma opção quando a variável resposta e a variável explicativa tem uma relação não linear, ou seja, não é mais levado em conta uma pressuposição fundamental de linearidade entre essas variáveis. Pensando nisso é proposto três modelos flexíveis denominados de modelos de regressão aditivo, parcial e semiparamétrico baseado na distribuição OLLGIG com uma estrutura sistemática, considerando três diferentes tipos de suavizações penalizadas gerados por splines. Muitos estudos nas áreas de saúde pública, economia, agronomia, medicina, biologia e ciências sociais, entre outros, envolvem observações repetidas de uma variável resposta. A expressão "medidas repetidas" é utilizada para designar medidas obtidas para a mesma variável ou na mesma unidade experimental em mais de uma ocasião. Vários projetos experimentais com medidas repetidas são comuns, como split-plot, crossover e longitudinal. Esses tipos de investigações são denominados estudos de dados correlacionados e desempenham um papel fundamental na análise dos resultados, onde é possível caracterizar alterações nas características de um indivíduo, associando essas variações a um conjuntode covariáveis. Devido à sua natureza, as medidas repetidas possuem uma estrutura de correlação que desempenha um papel importante na análise desses tipos de dados, além disso, a distribuição da variável resposta pode apresentar assimetria ou bimodalidade. Assim, é introduzida uma regressão com intercepto aleatório normal com base na distribuição OLLGIG. Na regressão linear e com efeito aleatório e adotado o método de máxima verossimilhança, já para os modelos: aditivo, parcial e semiparamétrico OLLGIG e utilizado o método de máxima verossimilhança penalizada para estimar os parâmetros dos modelos propostos. Além disso, diversas simulações são realizadas para diferentes configurações de parâmetros e tamanhos de amostras para verificar a precisão dos estimadores de máxima verossimilhança e máxima verossimilhança penalizada. São realizadas análises de diagnósticos baseada em case-deletion e resíduos quantílicos. Para comprovar a potencialidade dos modelos de regressão propostos, são realizados ajustes com dados reais
• Imprenta:
  • Publisher place: Piracicaba
  • Date published: 2021
• Data da defesa: 11.03.2021


---

How to cite

A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas

• ABNT

  VASCONCELOS, Julio Cezar Souza. The parametric, semiparametric and random effect regression model based on the extension of the generalized inverse Gaussian distribution. 2021. Tese (Doutorado) – Universidade de São Paulo, Piracicaba, 2021. Disponível em: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-28052021-151316/. Acesso em: 21 maio 2024.

• APA

  Vasconcelos, J. C. S. (2021). The parametric, semiparametric and random effect regression model based on the extension of the generalized inverse Gaussian distribution (Tese (Doutorado). Universidade de São Paulo, Piracicaba. Recuperado de https://www.teses.usp.br/teses/disponiveis/11/11134/tde-28052021-151316/

• NLM

  Vasconcelos JCS. The parametric, semiparametric and random effect regression model based on the extension of the generalized inverse Gaussian distribution [Internet]. 2021 ;[citado 2024 maio 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-28052021-151316/

• Vancouver

  Vasconcelos JCS. The parametric, semiparametric and random effect regression model based on the extension of the generalized inverse Gaussian distribution [Internet]. 2021 ;[citado 2024 maio 21 ] Available from: https://www.teses.usp.br/teses/disponiveis/11/11134/tde-28052021-151316/

Últimas obras dos mesmos autores vinculados com a USP cadastradas na BDPI:

• Modelo linear parcial generalizado simétrico
• Generalized symmetrical partial linear model
• A new extended log-Weibull regression: simulations and applications
• A new heteroscedastic regression to analyze mass loss of wood in civil construction in Brazil
• A random effect regression based on the odd log-logistic generalized inverse Gaussian distribution
• A new regression model for bimodal data and applications in agriculture
• A regression model for extreme events and the presence of bimodality with application to energy generation data
• The semiparametric regression model for bimodal data with different penalized smoothers applied to climatology, ethanol and air quality data
• The parametric and additive partial linear regressions based on the generalized odd loglogistic log-normal distribution
• An extension of the partially linear Rice regression model for bimodal and correlated data