Inference in parametric models with many L-moments (2022)
- Authors:
- Autor USP: ALVAREZ, LUÍS ANTONIO FANTOZZI - IME
- Unidade: IME
- Sigla do Departamento: MAE
- DOI: 10.11606/T.45.2022.tde-27102022-204201
- Subjects: INFERÊNCIA ESTATÍSTICA; INFERÊNCIA SEMIPARAMÉTRICA; VEROSSIMILHANÇA
- Keywords: Generalised method of moments; L-momentos; L-moments; Método generalizado dos momentos; Métodos de seleção de hiperparâmetros; Modelos semiparamétricos; Semiparametric models; Tuning parameter selection methods
- Agências de fomento:
- Language: Inglês
- Abstract: L-momentos são valores esperados de combinações lineares de estatísticas de ordem que proveem alternativas robustas aos momentos tradicionais. A estimação de modelos paramétricos por meio da minimização da distância entre L-momentos amostrais e teóricos -- um procedimento conhecido na literatura como "método dos L-momentos'' -- produz estimadores de menor erro quadrático médio que aqueles de máxima verossimilhança em pequenas amostras de diversas distribuições conhecidas. Não obstante, a escolha do número de L-momentos usados na estimação é tipicamente ad-hoc: pesquisadores costumeiramente usam o mesmo número de L-momentos que parâmetros, de modo a satisfazer uma condição de ordem para identificação do modelo. Nesta tese, mostra-se que, ao escolher o número de L-momentos apropriadamente e ponderando-os corretamente, é possível construir um estimador que se mostra de menor risco que a abordagem tradicional de L-momentos e que máxima verossimilhança em amostras finitas, e ainda assim se mantém assintoticamente eficiente. Esse resultado é obtido propondo-se um estimador de método "generalizado'' de L-momentos e derivando suas propriedades estatísticas num ambiente em que o número de L-momentos varia com o tamanho amostral. Em seguida, propõem-se métodos para selecionar automaticamente o número ótimo de L-momentos em uma dada amostra. Como extensão, mostra-se que uma modificação da abordagem proposta pode ser usada na estimação de modelos semiparamétricos de efeitos detratamento em experimentos aleatorizados controlados. Essa extensão produz um estimador eficiente e com propriedades computacionais atraentes. Os ganhos associados a essa nova abordagem são ilustrados aplicando a metodologia proposta no contexto de um experimento aleatório conduzido em São Paulo, Brasil. De maneira mais geral, com essa extensão, espera-se introduzir a abordagem baseada em L-momentos como um procedimento atrativo em ambientes em que estimadores de máxima verossimilhança semi/não paramétricos são computacionalmente complicados
- Imprenta:
- Data da defesa: 29.09.2022
- Este periódico é de acesso aberto
- Este artigo é de acesso aberto
- URL de acesso aberto
- Cor do Acesso Aberto: gold
- Licença: cc-by-nc-sa
-
ABNT
ALVAREZ, Luís Antonio Fantozzi. Inference in parametric models with many L-moments. 2022. Tese (Doutorado) – Universidade de São Paulo, São Paulo, 2022. Disponível em: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/. Acesso em: 30 abr. 2024. -
APA
Alvarez, L. A. F. (2022). Inference in parametric models with many L-moments (Tese (Doutorado). Universidade de São Paulo, São Paulo. Recuperado de https://www.teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/ -
NLM
Alvarez LAF. Inference in parametric models with many L-moments [Internet]. 2022 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/ -
Vancouver
Alvarez LAF. Inference in parametric models with many L-moments [Internet]. 2022 ;[citado 2024 abr. 30 ] Available from: https://www.teses.usp.br/teses/disponiveis/45/45133/tde-27102022-204201/
Informações sobre o DOI: 10.11606/T.45.2022.tde-27102022-204201 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas