Acessos desde 01/11/2007:
Trabalhos Aprovados
Atenção: As comunicações foram provisoriamente aceitas para apresentação no 18o SINAPE. Apenas os trabalhos em que pelo menos um dos autores tiver, até 16/06, pago o boleto de inscrição do congresso terão a aceitação definitiva, os demais não poderão ser apresentados no evento. Verifique se o seu trabalho satisfaz esse requisito.
Filtrar por categoria/formato/palavra:
| Formato | Título | ||||||||
|---|---|---|---|---|---|---|---|---|---|
| Pôster | INFERÊNCIA SOBRE OS PARÂMETROS DA DISTRIBUIÇÃO BIRNBAUM-SAUNDERS NA PRESENÇA DE OBSERVAÇÕES ATÍPICAS Inferência Estatística
Neste trabalho foi avaliado o desempenho dos estimadores dos parâmetros da distribuição Birnbaum-Saunders obtidos através dos métodos de máxima verossimilhança e de momentos modificados. O comportamento destes estimadores foi analisado através do estudo do viés e da raiz quadrada do erro quadrático médio, usando métodos de simulação de Monte Carlo. Outros estimadores são também analisados, a saber: os estimadores de máxima verossimilhança e de momentos modificados com viés reduzido propostos por Ng, Kundu e Balakrishnan em 2003. Por fim, foi realizada também uma análise do desempenho dos testes da razão de verossimilhanças, razão de verossimilhanças bootstrap, Wald e escore. | ||||||||
| Pôster | Inferências em modelos de transição: uma aplicação para o caso de variáveis binárias Inferência Estatística
Inferencias in models of transition: an application for the case of binary variable The models of transition are in a special class of models for the analysis of longitudinal data. Such models are based on stochastic processes and the goal to model the probabilities of transitions of individual response categories in time. This paper focuses on some important issues about the inference in these models. Are discussed issues on the estimation for cases stationary and not stationary. Also present themselves tests to check the order of the chain and to compare treatments. The methods are illustrated with an example on respiratory disease. | ||||||||
| Oral | Influência Local em Modelos ARFIMA Séries Temporais
Neste trabalho é discutido o uso da metodologia de diagnóstico de Influência Local em modelos ARFIMA. As medidas de influência local consideradas são a Inclinação de Billor e Loynes e a Curvatura de Cook. As principais contribuições deste trabalho são: i) apresentar as expressões necessárias para o cálculo da Inclinação de Billor-Loynes e Curvatura de Cook no modelo Ruido Fracionário, ii) discutir a metodologia de {\it limiares} obtidos via simulação segundo a proposta de Zhang e King (2005), para determinar quando as observações são significativamente influentes. Desta forma, obtém-se uma ferramenta estatística para identificar pontos influentes a diferença da simples análise exploratória que é o mais comum na literatura. Finalmente, a metodologia descrita é ilustradas através da análise de uma série temporal real. | ||||||||
| Pôster | Influência Local para Equações de Estimação Modelos de Regressão
A idéia principal de influência local é verificar, por meio de alguma medida apropriada, o efeito de pequenas perturbações no modelo ou nos dados. Cook (J. R. Statist. Soc., 1986) propôs um procedimento para avaliar a influência desses pontos examinando o que pequenas perturbações em componentes do modelo causam na superfície do afastamento pela verossimilhança. Cadigan e Farrell (Appl. Statist., 2002) descrevem essa medida de influência para um caso mais geral, avaliando o afastamento de uma função de ajuste qualquer como, por exemplo, uma função de quasi-verossimilhança, deixando a proposta de Cadigan e Farrell mais geral do que a proposta de Cook. Nessas propostas, uma medida de influência local pode ser construída a partir do vetor gradiente de uma função de ajuste, sem necessariamente conhecer essa função de ajuste que o gera, desde que garantimos a sua existência. No contexto de equação de estimação generalizada (EEG), não conhecemos a função de ajuste que gera essa equação. Entretanto, vamos garantir a sua existência assumindo que qualquer EEG, que utiliza a verdadeira matriz de correlação ou que utiliza uma matriz de correlação de trabalho conhecida, satisfaz as propriedades de quasi-verossimilhança citadas por McCullagh e Nelder (Generalized Linear Models, 1989, Chapman and Hall). Neste trabalho, desenvolvemos medidas de influência local para EEG considerando dados com medidas repetidas e fazemos algumas aplicações a dados simulados. | ||||||||
| Pôster | INFLUÊNCIA LOCAL PARA MODELOS DE EQUAÇÕES ESTRUTURAIS COM DISTRIBUIÇÃO ELÍPTICA Modelos de Regressão
It is known the importance to investigate the influence of perturbations in statistical models, so we concern about the appropriateness of the model if they change the main results. Otherwise, the model is robust to the perturbations imposed. Cadigan (1995) developed the local influence procedure to structural equation models considering the usual estimation methods (maximum likelihood, generalized and ordinary least squares), based on normal curvature introduced by Cook (1986). An usual assumption of these models is the multivariate normality of observed variables vector. When this assumption is violated, the tests results may not be reliable. In practice, it usually occurs and becomes necessary to use other estimation methods or distributions with heavier or thinner tails. The class of elliptical distribution covers distributions with mentioned features before. Thus, in the present work, we developed curvature measures to evaluate local influence in structural equation models with elliptical distribution for different perturbation schemes. | ||||||||
| Pôster | Inquérito domiciliar de base-populacional de prevalência da infecção pelo vírus do dengue em três áreas da cidade do Recife. Estatística em Ciências Médicas e Saúde
O dengue é uma doença infecciosa aguda de curta duração, com gravidade variável sendo a mais importante doença viral de humanos transmitida por mosquitos, em termos de morbidade e mortalidade. O objetivo do estudo é determinar a prevalência de soropositivos ao vírus dengue e descrever a distribuição espacial dos casos soroprevalentes em três áreas da cidade do Recife, identificando fatores de risco associados. É um estudo do tipo caso-controle resultante de um inquérito populacional. Para análise dos dados foram utilizados Modelos Lineares Generalizados e Modelos Aditivos Generalizados (MAG). A função de suavização utilizada foi um Spline. As superfícies apresentadas foram obtidas por interpolação dos valores preditos do modelo MAG. A análise dos dados foi realizada utilizando os softwares Stata 9.0 e R 2.4.2 ao nível de significância de 5%. A análise multivariada identifica que as preditoras do risco de infecção pelo vírus foram: faixa etária, escolaridade, área de residência, bairro onde estuda, tipo de imóvel e número de moradores por cômodo. Na análise espacial, destaca-se que as preditoras do risco de infecção pelo vírus diferem por área. A análise logística tradicional identificou diferenças entre as áreas evidenciando um gradiente de risco além de identificar as principais preditoras do risco de infecção. A estratificação da análise e a introdução da “componente espacial” mostraram diferenças significantes na distribuição dos casos, evidenciando que as preditoras do risco de infecção diferem segundo condições socioeconômicas, fisiográficas e de infra-estrutura. | ||||||||
| Pôster | Intervalo de Confiança e Teste de Hipótese Bootstrap para Coeficiente de Correlação Linear Referente à Hipótese de um Valor Não Nulo. Estatística Computacional
A distribuição amostral do coeficiente de correlação amostral r, sob a hipótese nula de o coeficiente de correlação populacional ρ=0, é simétrica, enquanto que, sob a hipótese nula ρ≠0, é assimétrica. No primeiro caso, se utiliza uma estatística que envolve a distribuição t de Student, e no segundo caso, se recorre a uma alternativa desenvolvida por Fisher, a qual dá origem a uma estatística com distribuição aproximadamente normal, obtida através da transformação da estatística r numa estatística £, que tem distribuição bastante próxima da normal. Como alternativa a este último processo, pode-se criar uma distribuição de amostragem real empírica de estimativas de coeficientes de correlação através de simulações bootstrap e a partir daí construir intervalos de confiança não paramétricos e testar hipóteses para um valor não nulo de ρ ,baseada nesta estimação intervalar, sem ter que se preocupar com a normalidade da distribuição de amostragem da estatística r. A proposta deste trabalho é sugerir uma alternativa viável e prática para a construção do intervalo de confiança para ρ ou para o teste de significância de r . De maneira operacional e em tempo hábil, graças ao crescente avanço da informática e a disponibilidade de variados softwares estatísticos amigáveis, pode ser realizada com mais freqüência a inferência para o coeficiente de correlação linear nos casos em que o valor do coeficiente de correlação linear populacional testado seja o de não nulidade. | ||||||||
| Pôster | Intervalos de Confiança Bootstrap em Modelos de Longa Dependência Séries Temporais
Questões sobre o comportamento dos estimadores do parâmetro de diferença fracionária d de modelos ARFIMA(p,d,q) e como construir intervalos de confiança para este parâmetro têm sido objeto de interesse de pesquisas recentes nesta área. Neste trabalho pretendemos estudar o comportamento de alguns estimadores paramétricos e semiparamétricos do parâmetro d fracionário em modelos ARFIMA(p,d,q). Utilizamos o estimador paramétrico de Fox e Taqqu (1986) e os semiparamétricos de Geweke e Porter-Hudak (1983), Hurvich e Ray (1995) e Reisen (1994). Para fazer inferências sobre o parâmetro d usamos as seguintes técnicas bootstrap: não-paramétrico nos resíduos do modelo ajustado, sieve nos resíduos de um AR(∞), nos resíduos da equação de regressão utilizada nos estimadores semiparamétricos e local na função periodograma. Empregamos o bootstrap para calcular os vícios dos estimadores e os intervalos de confiança percentílico, com correção de vício (BC) e bootstrap-t, através de simulações Monte Carlo. Os intervalos de confiança, em geral, apresentaram taxas de cobertura próximas ao nível de confiança estabelecido de 95% para ARFIMA(0,d,0), porém para ARFIMA(0,d,1) e ARFIMA(1,d,0) está taxa se mantém apenas para o método bootstrap não-paramétrico nos resíduos. Com este método, de modo geral, encontramos percentuais de cobertura mais próximos do nível nominal de 95% com o intervalo de confiança bootstrap percentílico. Algumas particularidades sobre os intervalos de confiança são encontradas entre os diferentes modelos e valores dos parâmetros autorregressivos e média móvel. | ||||||||
| Pôster | Intervalos de Confiança para Altos Quantis Oriundos de Distribuições de Caudas Pesadas Econometria, Atuária e Finanças
A partir dos log-retornos é possível observarmos movimentos extremos de preços. Movimentos extremos de preços são pouco comuns no mercado financeiro, mas importantes. Portanto, é necessário o conhecimento acerca das possibilidades de ocorrência dos mesmos, sob condições normais de mercado. Tal conhecimento pode ser tomado a partir de estimativas dos quantis da distribuição dos mesmos log-retornos. Liang e Peng (2006) obtiveram intervalos de confiança para altos quantis de distribuições de caudas pesadas, sob três métodos diferentes, os quais são comentados no trabalho. O objetivo deste trabalho é de introduzir as três metodologias utilizadas no artigo supracitado e aplicá-las às séries financeiras brasileiras. Pretendemos comparar os três métodos com relação às coberturas dos intervalos de confiança para quantis ao longo do tempo. | ||||||||
| Pôster | Intervalos de Confiança para o Parâmetro da Distribuição de Poisson Inferência Estatística
Um problema muito comum em Inferência Estatística é encontrar um intervalo de confiança para o parâmetro da distribuição de Poisson. Esse trabalho tem por objetivo discutir vários intervalos de confiança para este parâmetro e verificar através de simulações a cobertura e a amplitude média desses intervalos. | ||||||||
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 | |||||||||