Monte Carlo simulation studies in log-symmetric regressions

Página do item simplificado
dc.contributor.advisor-co1Sanchez, Victor Eliseo Leiva
dc.contributor.advisor1Santos, Helton Saulo Bezerra dos
dc.contributor.advisor1Latteshttp://lattes.cnpq.br/8716845051198548eng
dc.contributor.referee1Sanchez, Victor Eliseo Leiva
dc.contributor.referee2Silva, Tatiane F. N. Melo da
dc.contributor.referee3Tojeiro, Cynthia Arantes Vieira
dc.creatorVentura, Marcelo dos Santos
dc.creator.Latteshttp://lattes.cnpq.br/3113519185349964eng
dc.date.accessioned2018-03-29T13:40:08Z
dc.date.issued2018-03-09
dc.description.abstractThis work deals with two Monte Carlo simulation studies in log-symmetric regression models, which are particularly useful for the cases when the response variable is continuous, strictly positive and asymmetric, with the possibility of the existence of atypical observations. In log- symmetric regression models, the distribution of the random errors multiplicative belongs to the log-symmetric class, which encompasses log-normal, log- Student-t, log-power- exponential, log-slash, log-hyperbolic distributions, among others. The first simulation study has as objective to examine the performance for the maximum-likelihood estimators of the model parameters, where various scenarios are considered. The objective of the second simulation study is to investigate the accuracy of popular information criteria as AIC, BIC, HQIC and their respective corrected versions. As illustration, a movie data set obtained and assembled for this dissertation is analyzed to compare log-symmetric models with the normal linear model and to obtain the best model by using the mentioned information criteria.eng
dc.description.provenanceSubmitted by Franciele Moreira (francielemoreyra@gmail.com) on 2018-03-29T12:30:01Z No. of bitstreams: 2 Dissertação - Marcelo dos Santos Ventura - 2018.pdf: 4739813 bytes, checksum: 52211670f6e17c893ffd08843056f075 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceApproved for entry into archive by Luciana Ferreira (lucgeral@gmail.com) on 2018-03-29T13:40:08Z (GMT) No. of bitstreams: 2 Dissertação - Marcelo dos Santos Ventura - 2018.pdf: 4739813 bytes, checksum: 52211670f6e17c893ffd08843056f075 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5)eng
dc.description.provenanceMade available in DSpace on 2018-03-29T13:40:08Z (GMT). No. of bitstreams: 2 Dissertação - Marcelo dos Santos Ventura - 2018.pdf: 4739813 bytes, checksum: 52211670f6e17c893ffd08843056f075 (MD5) license_rdf: 0 bytes, checksum: d41d8cd98f00b204e9800998ecf8427e (MD5) Previous issue date: 2018-03-09eng
dc.description.resumoEste trabalho aborda dois estudos de simulação de Monte Carlo em modelos de regressão log- simétricos, os quais são particularmente úteis para os casos em que a variável resposta é contínua, estritamente positiva e assimétrica, com possibilidade da existência de observações atípicas. Nos modelos de regressão log-simétricos, a distribuição dos erros aleatórios multiplicativos pertence à classe log-simétrica, a qual engloba as distribuições log-normal, log-Student- t, log-exponencial- potência, log-slash, log-hyperbólica, entre outras. O primeiro estudo de simulação tem como objetivo examinar o desempenho dos estimadores de máxima verossimilhança desses modelos, onde vários cenários são considerados. No segundo estudo de simulação o objetivo é investigar a eficácia critérios de informação populares como AIC, BIC, HQIC e suas respectivas versões corrigidas. Como ilustração, um conjunto de dados de filmes obtido e montado para essa dissertação é analisado para comparar os modelos de regressão log-simétricos com o modelo linear normal e para obter o melhor modelo utilizando os critérios de informação mencionados.eng
dc.description.sponsorshipFundação de Amparo à Pesquisa do Estado de Goiás - FAPEGeng
dc.formatapplication/pdf*
dc.identifier.citationVENTURA, M. S. Monte Carlo simulation studies in log-symmetric regressions. 2018. 42 f. Dissertação (Mestrado em Economia) - Universidade Federal de Goiás, Goiânia, 2018.eng
dc.identifier.urihttp://repositorio.bc.ufg.br/tede/handle/tede/8278
dc.languageporeng
dc.publisherUniversidade Federal de Goiáseng
dc.publisher.countryBrasileng
dc.publisher.departmentFaculdade de Administração, Ciências Contábeis e Ciências Econômicas - FACE (RG)eng
dc.publisher.initialsUFGeng
dc.publisher.programPrograma de Pós-graduação em Economia (FACE)eng
dc.rightsAcesso Aberto
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/
dc.subjectLog-symmetric distributionseng
dc.subjectModel selection criteriaeng
dc.subjectMonte Carlo simulationeng
dc.subjectMovie dataeng
dc.subjectRegression modelseng
dc.subjectR softwareeng
dc.subjectCritério de seleção de modelospor
dc.subjectDados de cinemapor
dc.subjectDistribuições log- simétricaspor
dc.subjectModelos de regressãopor
dc.subjectSimulação de Monte Carlopor
dc.subjectSoftware Rpor
dc.subject.cnpqCIENCIAS SOCIAIS APLICADAS::ECONOMIAeng
dc.titleMonte Carlo simulation studies in log-symmetric regressionseng
dc.title.alternativeEstudos de simulação de Monte Carlo em regressões log- simétricaspor
dc.typeDissertaçãoeng

Arquivos

Pacote Original
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
Dissertação - Marcelo dos Santos Ventura - 2018.pdf
Tamanho:
4.52 MB
Formato:
Adobe Portable Document Format
Descrição:
Baixar
Licença do Pacote
Agora exibindo 1 - 1 de 1
Nenhuma Miniatura disponível
Nome:
license.txt
Tamanho:
2.11 KB
Formato:
Item-specific license agreed upon to submission
Descrição:
Baixar

Coleções

Mestrado em Economia (FACE)