Modelo probit com erro de classificação e erro de medida do tipo Berkson normal assimétrico
Nesta dissertação, foi estudado o modelo de regressão binária com erro de classificação, que está associado à variável resposta; e erro de medida. O problema de erro de medida está associado à variável independente, que é muitas vezes custoso ou impossível de mensurar. Por isso, faz-se necessário co...
| Autor: | |
|---|---|
| Formato: | tesis de maestría |
| Estado: | Versión publicada |
| Fecha de publicación: | 2020 |
| País: | Brasil |
| Recursos: | Universidade Federal de Pernambuco (UFPE) |
| Repositorio: | Repositório Institucional da UFPE |
| Idioma: | portugués |
| OAI Identifier: | oai:repositorio.ufpe.br:123456789/38517 |
| Acesso em linha: | https://repositorio.ufpe.br/handle/123456789/38517 |
| Access Level: | acceso embargado |
| Palavra-chave: | Estatística matemática Erro de medida Assimetria |
| Resumo: | Nesta dissertação, foi estudado o modelo de regressão binária com erro de classificação, que está associado à variável resposta; e erro de medida. O problema de erro de medida está associado à variável independente, que é muitas vezes custoso ou impossível de mensurar. Por isso, faz-se necessário considerar uma variável substituta. Em modelos lineares, é frequentemente assumido que as observações seguem uma distribuição normal, porém nem sempre essa suposição é válida. Portanto, neste trabalho propomos um modelo de regressão binária sujeito a erro de classificação e erro de medida do tipo Berkson na variável preditora, e o erro de medida segue distribuição normal assimétrica. Tal distribuição foi introduzida por AZZALINI (1985) e é importante para modelar a assimetria da distribuição dos dados. Assim, os efeitos dos erros de medida e dos erros de classificação são investigados através de um estudo de simulação de Monte Carlo. Finalmente, foi apresentado e explorado uma aplicação em dados reais. |
|---|