Skip navigation
Veuillez utiliser cette adresse pour citer ce document : http://repositorio.unb.br/handle/10482/35034
Fichier(s) constituant ce document :
Fichier Description TailleFormat 
2018_EriquePereiraNeto.pdf1,89 MBAdobe PDFVoir/Ouvrir
Titre: Discriminante para mistura de modelos bivariados
Auteur(s): Pereira Neto, Erique
Orientador(es):: Guevara Otiniano, Cira Etheowalda
Assunto:: Cópulas
Análise discriminante
Cópulas - misturas
Date de publication: 11-jui-2019
Référence bibliographique: PEREIRA NETO, Erique. Discriminante para mistura de modelos bivariados. 2018. xiii, 103 f., il. Dissertação (Mestrado em Estatística)—Universidade de Brasília, Brasília, 2018.
Résumé: Nas últimas décadas a utilização de modelos de mistura para fins de agrupamento vem sendo consideravelmente aumentada devido principalmente à existência de métodos computacionais eficientes que facilitam a estimativa dos parâmetros. Por outro lado, as cópulas se tornaram modelos populares para modelar dependências em dados multivariados. Neste trabalho aplicase misturas de cópulas bivariadas visando usá-las para análise de dados de misturas com dois clusters. Foram propostas funções discriminantes não-lineares para identificar a procedência de uma dada observação, isto é, para discriminar a qual cluster ela pertence, considerando misturas de cópulas arquimedianas bivariadas. Para estimação dos parâmetros foi utilizado o método de máxima verossimilhança, via algoritmo EM, baseado na abordagem padrão para modelos de mistura.
Abstract: In the last decades the use of mixing models for grouping purposes has been considerably increased due mainly to the existence of efficient computational methods that facilitate the estimation of the parameters. On the other hand, copulas have become popular models for modeling dependencies in multivariate data. In this work we apply mixtures of bivariate copulas to use them to analyze data of mixtures with two clusters. Non-linear discriminant functions were proposed to identify the origin of a given observation, that is, to discriminate to which cluster it belongs, considering mixtures of bivariate Archimedean copulas. For the estimation of the parameters, the maximum likelihood method was used, via the EM algorithm, based on the standard approach for mixing models.
metadata.dc.description.unidade: Instituto de Ciências Exatas (IE)
Departamento de Estatística (IE EST)
Description: Dissertação (mestrado)—Universidade de Brasília, Instituto de Ciências Exatas, Departamento de Estatística, 2018.
metadata.dc.description.ppg: Programa de Pós-Graduação em Estatística
Licença:: A 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.
Agência financiadora: Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES).
Collection(s) :Teses, dissertações e produtos pós-doutorado

Affichage détaillé " class="statisticsLink btn btn-primary" href="/jspui/handle/10482/35034/statistics">



Tous les documents dans DSpace sont protégés par copyright, avec tous droits réservés.