Detecção de dados atipicos e metodos de regressão com alto ponto de ruptura

• Main Author: Machado, Helymar da Costa
• Other Authors: UNIVERSIDADE ESTADUAL DE CAMPINAS
• Format: Others
• Language: Portuguese
• Published: [s.n.] 1997
• Subjects: Análise de regressão; Estimativa de parâmetro; Algoritmos; Estatística robusta
• Online Access: MACHADO, Helymar da Costa. Detecção de dados atipicos e metodos de regressão com alto ponto de ruptura. 1997. 145f. Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica, Campinas, SP. Disponível em: <http://www.repositorio.unicamp.br/handle/REPOSIP/307142>. Acesso em: 22 jul. 2018.; http://repositorio.unicamp.br/jspui/handle/REPOSIP/307142

Orientador: Gabriela Stangenhaus === Dissertação (mestrado) - Universidade Estadual de Campinas, Instituto de Matematica, Estatistica e Computação Cientifica === Made available in DSpace on 2018-07-22T04:02:22Z (GMT). No. of bitstreams: 1 Machado_HelymardaCosta_M.pdf: 4843890 bytes, checksum: d92608cb421a49bc3a9b5850b381092c (MD5) Previous issue date: 1997 === Resumo: As técnicas de diagnóstico para detecção de dados atípicos comumente utilizadas na análise de regressão linear têm por base o método de estimação dos mínimos quadrados dos resíduos. No entanto, se no conjunto de dados houver observações atípicas, estas obsetVações influenciarão o ajuste, afetando o estimador obtido por esse método. Quando isto OCOITe, pode haver efeitos de maceramento (isto é, não se detectam as observações atipicas, ou seja, aquelas que se distanciam das demais) e/ou "swamping" (isto é, c1assifica se como atípica uma observação comum). Neste traba1ho são abordados métodos de estimação com alto ponto de ruptura, ou seja, métodos cujos esticadores não são afetados quando houver observações atípicas no conjunto de dados. Como alternativa para o método dos mínimos quadrados dos resíduos são abordados mais deta1hadamente o método da mínima mediana dos quadrados dos resíduos e o método dos quadrados aparados mínimos. As técnicas de diagnóstico baoadas em tais métodos são resistentes a dados atípicos, conseguindo identificá-los. Para obtenção de uma solução para os estimadores dos métodos de estimação resistentes às observações atípicas utilizam-se algoritmos que se baseiam nos chamado conjuntos elementares, que consistem de subconjuntos das observações do conjunto de dados. Assim, são apresentados vários algoritmos baseados nos conjuntos elementares, sendo que alguns algori1mos consistem na enumeração completa ou parcial (através de uma amostra aleatória) de todos os possíveis conjuntos elementares, enquanto que outros são resolvidos através de programação linear. === Abstract: Not informed. === Mestrado === Mestre em Estatística