Discriminante para mistura de distribuições GEV

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorGuevara Otiniano, Cira Etheowalda-
Autor(es): dc.creatorCruvinel, Evelyn de Castro-
Data de aceite: dc.date.accessioned2024-10-23T16:05:27Z-
Data de disponibilização: dc.date.available2024-10-23T16:05:27Z-
Data de envio: dc.date.issued2017-08-03-
Data de envio: dc.date.issued2017-08-03-
Data de envio: dc.date.issued2017-08-03-
Data de envio: dc.date.issued2016-04-10-
Fonte completa do material: dc.identifierhttp://repositorio.unb.br/handle/10482/24006-
Fonte completa do material: dc.identifierhttp://dx.doi.org/10.26512/2016.04.D.24006-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/899554-
Descrição: dc.descriptionDissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2017.-
Descrição: dc.descriptionEste trabalho apresenta o estudo de um discriminante não linear da mistura de duas distribuições de valor extremo generalizada, conhecidas como GEV, com o parâmetro de escala comum. Como o parâmetro de forma da GEV pode assumir valor positivo, negativo ou nulo foram considerados seis casos possíveis para mistura de duas distribuições GEV. Para uma amostra classificada e não classificada de uma população com distribuição mistura de duas GEV são obtidas as expressões a serem resolvidas para obter os estimadores de máxima verossimilhança dos parâmetros do modelo, bem como sua função de discriminante. A avaliação do modelo proposto é feita por meio de simulações Monte Carlo utilizando amostras de tamanho n = 50 e n =100 para dois conjuntos de parâmetros para cada caso possível de mistura de duas distribuições GEV. São apresentadas duas aplicações em dados reais que ilustram a eficiência da análise discriminante do modelo de mistura de duas distribuições GEV em situações bimodais.-
Descrição: dc.descriptionThis work presents the study of a nonlinear discriminant of the mixture of two generalized extreme value distributions, known as GEV, with the common scale parameter. As the GEV shape parameter can assume positive, negative or zero value, six possible cases were considered for mixing two GEV distributions. For a classified and unclassified sample of a population with mixed distribution of two GEV, the expressions to be solved are obtained to obtain the maximum likelihood estimators of the parameters of the model, as well as its discriminant function. The evaluation of the proposed model is done using Monte Carlo simulations using samples of size n = 50 and n = 100 for two sets of parameters for each possible case of mixing of two GEV distributions. Two applications are presented in real data that illustrates the efficiency of the discriminant analysis of the mixing model of two GEV distributions in bimodal situations.-
Descrição: dc.descriptionInstituto de Ciências Exatas (IE)-
Descrição: dc.descriptionDepartamento de Estatística (IE EST)-
Descrição: dc.descriptionPrograma de Pós-Graduação em Estatística-
Formato: dc.formatapplication/pdf-
Direitos: dc.rightsAcesso Aberto-
Direitos: dc.rightsA concessão da licença deste item refere-se ao termo de autorização impresso assinado pelo autor com as seguintes condições: Na qualidade de titular dos direitos de autor da publicação, autorizo a Universidade de Brasília e o IBICT a disponibilizar por meio dos sites www.bce.unb.br, www.ibict.br, http://hercules.vtls.com/cgi-bin/ndltd/chameleon?lng=pt&skin=ndltd sem ressarcimento dos direitos autorais, de acordo com a Lei nº 9610/98, o texto integral da obra disponibilizada, conforme permissões assinaladas, para fins de leitura, impressão e/ou download, a título de divulgação da produção científica brasileira, a partir desta data.-
Palavras-chave: dc.subjectDistribuição (Probabilidades)-
Palavras-chave: dc.subjectAmostragem (Estatística)-
Palavras-chave: dc.subjectSimulação de Monte Carlo-
Título: dc.titleDiscriminante para mistura de distribuições GEV-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositório Institucional – UNB

Não existem arquivos associados a este item.