Banca de QUALIFICAÇÃO: MÓNICA PAOLA DE LA CRUZ CAICEDO

Uma banca de QUALIFICAÇÃO de DOUTORADO foi cadastrada pelo programa.
DISCENTE: MÓNICA PAOLA DE LA CRUZ CAICEDO
DATA : 25/09/2025
LOCAL: Remoto - via Google Meet
TÍTULO:

MODELOS DE REGRESSAO LINEAR AUTOREGRESSIVOS COM INOVACOES
ASSIMETRICAS E DADOS INCOMPLETOS

PALAVRAS-CHAVES:

Inferência Bayesiana; Mistura de Escala Normal Assimétrica (MESN);  Dados ausentes; Dados censurados;

Modelo autorregressivo.

 

PÁGINAS: 95
RESUMO:

Dados registrados ao longo do tempo geralmente estão correlacionados e é comum encontrar informações incompletas devido a dados ausentes e dados censurados. Os dados ausentes são valores mensuráveis que não foram obtidos, registrados ou simplesmente foram perdidos (missing), enquanto os dados censurados surgem quando, para alguns valores da variável, não podemos obter um valor numérico exato, porém é possível registrar informações parciais sobre estes, tais como limites superior, inferior ou ambos. Esses dados podem apresentar assimetria, portanto, a suposição de que os erros seguem uma distribuição normal pode não ser adequada.
Neste trabalho, propomos um modelo de regressão linear com erro autorregressivo estacionário, com inovação seguindo distribuições da classe Mistura de Escala Normal Assimétrica (MESN) e dados incompletos. A classe MESN é utilizada para tratar com valores extremos em dados assimétricos. Para a estimação dos parâmetros, propomos um algoritmo do tipo Amostrador de Gibbs, com passos Metropolis-Hastings (M-H). Avaliamos o desempenho dos estimadores Bayesianos por meio de três estudos de simulação, considerando simultaneamente
dados censurados e ausentes. Utilizamos a metodologia proposta na análise de dois conjuntos de dados reais.

 

MEMBROS DA BANCA:
Presidente - 2259583 - ALDO WILLIAM MEDINA GARAY
Interno - 1142348 - ROBERTO FERREIRA MANGHI
Externo à Instituição - CELSO RÔMULO BARBOSA CABRAL - UFAM