Estimação de densidades via Misturas de distribuições "Skew"-normal por processos de Dirichlet"

AUTOR(ES)
FONTE

IBICT - Instituto Brasileiro de Informação em Ciência e Tecnologia

DATA DE PUBLICAÇÃO

09/05/2011

RESUMO

Este trabalho analisa a estimação de densidades do ponto de vista Bayesiano não-paramétrico. Especificamente, utiliza o modelo hierárquico de misturas por processos de Dirichlet (MDP). O principal objetivo do trabalho é estender o modelo de mistura de distribuições normais por processos de Dirichlet (MNDP) para estimação de densidades, proposto por Escobar e West (1995). Nossa proposta consiste em estimar densidades utilizando um modelo de MDP cujo primeiro estágio é modelado segundo uma mistura de distribuições skew-normal. Como consequência, alguns resultados importantes referentes á inferência na família skew-normal de locação e escala são obtidos. Comparamos a qualidade das estimativas de densidade obtidas a partir do modelo de mistura de distribuições skew-normal por processos de Dirichlet (MSNDP) com áquelas obtidas pelo modelo MNDP. Essa comparação é realizada implementando-se o algoritmo de MacEachern e Muller (1998). Visto que a distribuição skew-normal é mais flexível que a distribuição normal, acomodando distribui ções com diferentes graus de assimetria e também com caudas mais leves ou pesadas, o modelo proposto para estimação de densidades é também mais flexível que o modelo de Escobar e West (1995). Dessa forma, espera-se que o modelo MSNDP forneça melhores estimativas para densidades assimétricas e/ou estritamente positivas ou negativas que o modelo MNDP. Temos como objetivo secundário, comparar os algoritmos de Escobar e West (1995) e de MacEachern e Muller (1998) na estimação de densidades via modelo MNDP. A m de atingir nossas metas, realizamos dois estudos envolvendo dados simulados e um estudo envolvendo dados reais.

ASSUNTO(S)

estatística teses. teoria da estimativa teses. dirichlet, problema de.

ACESSO AO ARTIGO

Documentos Relacionados